AI for hodehalskreft behandlet med adaptiv radioterapi (RadiomicART) (RadiomicArt)

Plateepitelkarsinom i hode og nakke (HNSCC) er preget av en forekomst i Europa på 140 000 nye tilfeller per år, med overlevelsesrater etter 5 år fra 25 til 65 %.

Gjeldende kliniske behandlingsalgoritmer for HNSCC-pasienter involverer bruk av kirurgi og/eller strålebehandling avhengig av sykdomsstadiet ved diagnose. Radikal strålebehandling (RT), eksklusiv eller i kombinasjon med systemisk terapi, representerer et effektivt terapeutisk alternativ i henhold til internasjonale retningslinjer.

Til tross for de nylige teknologiske fremskritt innen stråleterapi, vil ca. 30-50 % av pasientene utvikle lokoregional svikt etter primærbehandling av hode- og nakkekreft. Selv om utviklingen av teknikker for intensitetsmodulert strålebehandling (IMRT) og volumetrisk modulert lysbueterapi (VMAT) tillot en større sparing av dose på friskt vev, representerer strålingsindusert toksisitet fortsatt en relevant bekymring, og påvirker livskvaliteten til kreftpasienter. selv i lang tid etter behandling.

Den kontinuerlige innsatsen med personlig tilpasset medisin har som mål å forbedre pasientens resultat, både når det gjelder sykdomskontroll og toksisitetsmønster. Avanserte bildebehandlingsmodaliteter ser ut til å spille en viktig rolle i tilpasningen av strålebehandlingen som vist gjennom bruk av adaptiv strålebehandling (ART) og radiomik.

Med ART mener etterforskerne tilpasning av tumorvolumer og omkringliggende organer i fare (OARs) til krymping og pasientavmagring under RT-behandling.

Den nyere litteraturen viste at svulstkrymping kan nå 70 % ved slutten av RT-behandlingen, og samtidig kan OARs, som parotiskjertler, redusere størrelsen med 7 til 70 %. Disse endringene, hvis de ikke tas i betraktning, kan føre til en uventet levering av lavere dose på svulsten og høyere dose OAR sammenlignet med det planlagte.

Adaptiv strålebehandling (ART) inkluderer teknikker som tillater kunnskap om pasientspesifikke anatomiske variasjoner informert av Image-guided radiotherapys (IGRTs) for tilbakemelding til planen og dose-leveringsoptimalisering under behandlingsforløpet. Det vedvarende svakeste leddet i behandlingskjeden for strålebehandling er fortsatt klinikerledet målidentifikasjon.

Sammenlignet med CT eller CBCT, gir MR overlegen bløtvevsdefinisjon uten assosiert strålingsrisiko. MR identifiserer mål som er større enn på CT fordi svulst som ellers ville vært savnet, nå er sett; men oftest rapporteres mål å være mindre når de er avgrenset på MR. Det resulterende mindre MR-avledede målet forbedrer det terapeutiske forholdet slik at doseøkning muliggjøres. Tilgjengeligheten av "funksjonelle" MR-sekvenser lover at geometrisk tilpasning kan komplementeres av biologisk tilpasning. Diffusjonsvektet bildebehandling (DWI) er en funksjonell bildeteknikk avhengig av tilfeldig bevegelse av vannmolekyler for å generere bildekontrast. Siden svulster vanligvis har større cellularitet enn normalt vev, viser de høyere signalintensitet, dvs. begrenset diffusjon på MR. Dette gjenspeiles i den lave gjennomsnittlige tilsynelatende diffusjonskoeffisient (ADC) verdi. Dette har potensial til å gi både kvalitativ og kvantitativ informasjon. Endring i ADC har blitt brukt til å identifisere tidlig behandlingsrespons og for å forutsi lokalt tilbakefall. Derfor kan DWI om bord identifisere tidlige ikke-responderere som kan ha nytte av endring i behandlingstilnærming.

Radiomic er utvinning av kvantitative trekk fra medisinske bilder for å karakterisere tumorpatologi eller heterogenitet. Radiomiske funksjoner hentet fra medisinske bilder kan brukes som input-funksjoner for å lage en maskinlæringsmodell som er i stand til å forutsi overlevelse, og for å veilede behandling takket være dens prediktive verdi med tanke på terapitilpasning.

Vi har tidligere evaluert i en retrospektiv studie den kvalitative analysen av de radiomiske egenskapene til hode- og nakkesvulstvev, for å identifisere en prediktiv signatur av de biologiske egenskapene til svulsten. Etterforskerne stratifiserte HNSCC-pasienter i henhold til de mest signifikante radiomiske egenskapene i høy- og lavrisikogrupper for tilbakefall og overlevelse etter radiokjemoterapi.

Kombinasjonen av både ART og radiomisk analyse kan potensielt betraktes som et ytterligere fremskritt i personaliseringen av onkologiske behandlinger, og spesielt for strålebehandlinger. Av denne grunn utformet etterforskeren det nåværende forskningsprosjektet med mål om prospektivt å evaluere en maskinlæringsbasert radiomisk tilnærming for å forutsi utfall og toksisitet av HNSCC-pasienter behandlet med ART ved hjelp av CT, MR og PET-skanning.