PSMA-PET: dype radiomiske biomarkører for progresjon og responsprediksjon i prostatakreft

Prostatakreft (PCa) er den vanligste ikke-hudmaligne sykdommen og den tredje ledende årsaken til kreftdød hos nordamerikanske menn. Den nøyaktig kartlagte metastatiske tilstanden er en nødvendig forutsetning for å veilede behandling i praksis og i kliniske studier. Avbildningsbiomarkører (BM) kan gi informasjon om sykdomsvolum og -distribusjon, prognose, endringer i biologisk atferd, terapiinduserte endringer (både respondere og ikke-responderere), responsvarighet, fremvekst av behandlingsresistens og vertens reaksjon på terapiene .

Av spesiell relevans for metastatisk prostatakreft er fremveksten av en lovende bildeteknikk som involverer nye prostataspesifikke membranantigen (PSMA) positronemisjonstomografi (PET) sporstoffer. Denne tilnærmingen har vist høyere følsomhet for å oppdage metastaser, før og under behandling, enn dagens bildebehandlingsstandard (CT og beinskanning), og er ikke allment klinisk tilgjengelig utenfor forskningsområdet i Nord-Amerika.

Positronemisjonstomografi/datatomografi (PET/CT) er en nukleærmedisinsk bildediagnostisk prosedyre basert på måling av positronutslipp fra radiomerkede spormolekyler in vivo. PSMA er et homodimert type II membranmetalloenzym som fungerer som en glutamatkarboksypeptidase/folathydrolase og er overuttrykt i PCa. PSMA kommer til uttrykk i de aller fleste PCa-vevsprøver, og ekspresjonsgraden korrelerer med en rekke viktige beregninger for PCa-svulst-aggressivitet, inkludert Gleason-score, tilbøyelighet til å metastasere og utvikling av kastrasjonsresistens.

[18F]DCFPyL er en lovende høysensitiv andregenerasjons PSMA-målrettet ureabasert PET-sonde. Studier som benytter andregenerasjons PSMA PET/CT-avbildning hos menn med biokjemisk progresjon etter definitiv terapi, tyder på påvisning av metastaser hos over 60 % av avbildede menn.

Dyplæring er definert som en variant av kunstige nevrale nettverk, som bruker flere lag med "nevroner". Dyplæring har blitt undersøkt innen medisinsk bildebehandling i en rekke bruksområder på tvers av organsystemer. I onkologi har grunnleggende kunstige nevrale nettverk for å støtte beslutningstaking tidligere blitt utviklet retrospektivt ved brystkreft og prostatakreft, men har ikke blitt validert eller integrert prospektivt. Nye datadrevne metoder er nødvendige for å forutsi utfall så tidlig som mulig for å veilede varigheten og aggressiviteten til en bestemt terapi. De er også nødvendige for optimal pasientvalg basert på pasientens respons på en gitt terapi.

Her antar etterforskerne at kombinasjonen av en høyytende prostatakreftavbildningsteknikk kombinert med maskinlæring har et stort potensial. Hovedmålet med denne studien er å skaffe PSMA-PET-data hos pasienter med prostatakreft som mottar behandling og oppfølging for å muliggjøre oppdagelsen av prediktive avbildningsbiomarkører gjennom dyplæringsteknikker.