Een op deep learning gebaseerde radiomics combineren met vloeibare biopsie voor preoperatieve en niet-invasieve diagnose van glioom

Gliomen zijn de meest voorkomende primaire intracraniale maligniteiten, goed voor 27% van alle primaire hersentumoren, en jaarlijks worden wereldwijd ongeveer 100.000 mensen gediagnosticeerd met diffuse gliomen. Tot op heden werd "geïntegreerde diagnose" beschouwd als de gouden standaard voor glioomdiagnose, die histopathologie, moleculaire pathologie en graad van de Wereldgezondheidsorganisatie (WHO) combineert. Eerdere diagnostische criteria voor glioom waren voornamelijk gebaseerd op histopathologische biopsieën, terwijl de histologische classificatie traditioneel werd bepaald op basis van de tumormorfologie, wat resulteerde in variabiliteit binnen de waarnemer als gevolg van ruimtelijke heterogeniteit binnen de tumor en bemonsteringsfouten. Bovendien is traditionele histopathologie enigszins moeilijk uit te leggen waarom patiënten met dezelfde pathologie een significant verschillende overleving hebben. In het afgelopen decennium hebben vorderingen in moleculaire pathologie en histopathologische detectietechnieken ons begrip van de moleculaire kenmerken en biologie van gliomen verdiept. Toenemend bewijs onthulde de belangrijke rol van moleculaire status in de "geïntegreerde diagnose" van glioom. In het bijzonder, nadat het concept van moleculaire diagnose was voorgesteld door de WHO-classificatie van het centrale zenuwstelsel (CNS) van 2016, benadrukte de CNS-classificatie (CNS5) van 2021 opnieuw het belang van verschillende moleculaire biomarkers bij de diagnose en behandeling van gliomen, waaronder het isocitraatdehydrogenasegen (IDH). ) mutatiestatus, alfa-thalassemie/mentale retardatiesyndroom X-linked (ATRX) deletiestatus, 1p19q deletiestatus, telomerase reverse transcriptase (TERT) promotormutatie, enz. Het doel is om de tumorsubtypes systematischer te classificeren en de glioompatiënten met vergelijkbare werkzaamheid en prognose in een subgroep in te delen.

De huidige standaardtherapie voor gliomen is chirurgische resectie gevolgd door radiotherapie en/of chemotherapie op basis van klinische en tumorgraad en moleculaire kenmerken. Preoperatief niet-invasieve en nauwkeurige vroege "geïntegreerde diagnose" zal grote voordelen opleveren voor de behandeling en prognose van patiënten, vooral voor degenen met een speciale tumorlocatie die geen craniotomie of naaldbiopsie kunnen ondergaan. Dergelijke speciale patiënten kunnen experimentele radiotherapie en chemotherapie ondergaan op basis van niet-invasieve diagnoseresultaten. Hoewel diagnostische criteria voor moleculaire informatie bij gliomen vaak gebaseerd zijn op weefselbiopsie, zijn andere technieken, zoals radiomics, radiogenomics en vloeibare biopsie, veelbelovend gebleken. Op dit moment zijn conventionele MRI-scans (Magnetic Resonance Imaging) nog steeds de belangrijkste methode om te helpen bij de diagnose van gliomen, inclusief pre- en post-contrast T1w, T2w en T2w-FLAIR. Multimodale radiomics op basis van deep learning (DL) kunnen patronen van intratumorheterogeniteit en kenmerken van tumorbeeldvorming analyseren die niet waarneembaar zijn voor het menselijk oog, om zo "geïntegreerde voorspelling" van gliomen uit te voeren18. Tot nu toe hebben de meeste onderzoeken zich gericht op het gebruik van ML-algoritmen om een ​​nieuw radiomisch model te construeren om glioom te voorspellen, R van der Voort et al. ontwikkelde het multi-task conventioneel neuraal netwerk (CNN)-model en behaalde een glioomgraad (II/III/IV) met AUC van 0,81, IDH-AUC van 90%, 1p19q co-deletie AUC van 0,85 in de testset. Het beste DL-model ontwikkeld door Matsui et al. behaalde een algehele nauwkeurigheid van 65,9% bij het voorspellen van IDH-mutatie en 1p/19q co-deletie. Ook het multi-task CNN-model van Decuyper et al. behaalde een nauwkeurigheid van 94%, 86% en 87% bij het voorspellen van graden, IDH-mutaties en 1p/19q co-deletiestatussen in externe validatie. Het model van Luo et al. behaalde 83,9% en 80,4% in externe tests voor histologische en moleculaire subtype-diagnose. Naast de "geïntegreerde voorspelling", bestaan ​​er veel modellen die alleen glioomgradatie of enkelvoudige moleculaire markers voorspellen. Ondertussen waren eerdere studies gebaseerd op de CZS-classificatie van 2016 voor glioomclassificatie en voorspelling van moleculaire subtypes. Daarom is volgens de laatste CNS-classificatie van 2021 dringend een multi-task DL-radiomics-model nodig voor het preoperatief en niet-invasief voorspellen van glioomgradatie en uitgebreidere moleculaire markers.

Hoewel radiomics enige haalbaarheid heeft getoond bij het voorspellen van de moleculaire pathologie van tumoren, is het belachelijk om precisiegerichte therapie toe te dienen uitsluitend op basis van deze voorspelling. Daarom hopen we meer klinisch bewijs te leveren voor de moleculaire pathologische diagnose van glioompatiënten door vloeibare biopsietechniek te gebruiken als een belangrijke aanvulling op radiomics. Circulerende tumorcellen (CTC), als een van de vloeibare biopsietechnieken, deelt hetzelfde einddoel voor preoperatief niet-invasieve en nauwkeurige diagnose van gliomen.

Gebaseerd op de verschillende beperkingen van de huidige diagnostische modellen van glioom, en de gecombineerde methoden van radiomics en vloeibare biopsie hebben een groot potentieel voor niet-invasieve diagnose van glioomgradatie en moleculaire markers, aangezien ze beide gemakkelijk uit te voeren zijn. Bovendien is er, voor zover wij weten, geen onderzoek gedaan naar preoperatieve niet-invasieve diagnose van glioom in de context van door vloeibare biopsie ondersteunde radiomics.

Daarom heeft dit onderzoek de volgende doelstellingen. Ten eerste hebben we, volgens de richtlijnen van de WHO van CZS-classificatie uit 2021, een multi-task DL-model geconstrueerd en extern getest voor gelijktijdige diagnose van tumorsegmentatie, glioomclassificatie en uitgebreider moleculair subtype, waaronder IDH-mutatie, ATRX-deletiestatus, 1p19q co- deletie, status van TERT-genmutatie, enz. Ten tweede, gebaseerd op hetzelfde uiteindelijke doel van vloeibare biopsie en radiomics, hebben we op innovatieve wijze het concept en idee naar voren gebracht om radiomics en vloeibare biopsietechnologie te combineren om de diagnose van glioom te verbeteren. En door onze studie zal het enige klinische validatie voor dit concept opleveren, in de hoop nieuwe ideeën op te leveren voor later onderzoek en ter ondersteuning van klinische besluitvorming.