Kombiner en dyp læringsbasert radiomiks med flytende biopsi for preoperativ og ikke-invasiv diagnose av gliom

Gliomer er de vanligste primære intrakranielle malignitetene, og utgjør 27 % av alle primære hjernesvulster, og omtrent 100 000 mennesker diagnostiseres med diffuse gliomer over hele verden hvert år. Til dags dato ble "integrert diagnose" ansett som gullstandarden for gliomdiagnose, som kombinerer histopatologi, molekylær patologi og klasse fra Verdens helseorganisasjon (WHO). Tidligere gliomdiagnostiske kriterier har først og fremst basert seg på histopatologiske biopsier, mens histologisk klassifisering tradisjonelt har blitt bestemt basert på tumormorfologi, noe som resulterer i intra-observatørvariabilitet på grunn av intra-tumor romlig heterogenitet og prøvetakingsfeil. I tillegg er tradisjonell histopatologi noe vanskelig å forklare hvorfor pasienter med samme patologi har vesentlig ulik overlevelse. I løpet av det siste tiåret har fremskritt innen molekylær patologi og histopatologi deteksjonsteknikker utdypet vår forståelse av de molekylære egenskapene og biologien til gliomer. Økende bevis avslørte den viktige rollen til molekylær status i den "integrerte diagnosen" av gliom. Spesielt etter at konseptet med molekylær diagnose ble foreslått av 2016 WHOs sentralnervesystem (CNS) klassifisering, understreket 2021 CNS-klassifiseringen (CNS5) viktigheten av flere molekylære biomarkører i gliomdiagnose og behandlingsveiledning, inkludert isocitrat dehydrogenase-genet (IDH) ) mutasjonsstatus, alfa-thalassemi/mental retardation syndrom X-linked (ATRX) delesjonsstatus, 1p19q delesjonsstatus, telomerase revers transcriptase (TERT) promotormutasjon, etc. Målet er å klassifisere tumorsubtypene mer systematisk, og kategorisere gliompasientene med lignende effekt og prognose i en undergruppe.

Den nåværende standarden for terapi for gliomer er kirurgisk reseksjon etterfulgt av strålebehandling og/eller kjemoterapi basert på kliniske og tumorgrad og molekylære egenskaper. Preoperativt ikke-invasiv og nøyaktig tidlig "integrert diagnose" vil gi store fordeler for behandling og prognose for pasienter, spesielt for de med spesiell tumorlokalisering som ikke kan motta kraniotomi eller nålebiopsi. Slike spesialpasienter kan ta eksperimentell strålebehandling og kjemoterapi basert på ikke-invasive diagnoseresultater. Selv om diagnostiske kriterier for molekylær informasjon i gliomer ofte er basert på vevsbiopsi, har andre teknikker, som radiomik, radiogenomikk og flytende biopsi vist lovende. For tiden er konvensjonell magnetisk resonansavbildning (MRI) fortsatt den viktigste metoden for å hjelpe til med diagnostisering av gliomer, inkludert pre- og post-kontrast T1w, T2w og T2w-FLAIR. Multimodal radiomiks basert på dyp læring (DL) kan analysere mønstre av intratumorheterogenitet og tumoravbildningsfunksjoner som er umerkelige for det menneskelige øyet, for å utføre "integrert prediksjon" av gliomer18. Til nå har de fleste studier fokusert på å bruke ML-algoritmer for å konstruere en ny radiomisk modell for å forutsi gliom, R van der Voort et al. utviklet multi-task konvensjonelle nevrale nettverk (CNN)-modellen og oppnådde en gliomgrad (II/III/IV) med AUC på 0,81, IDH-AUC på 90 %, 1p19q co-deletion AUC på 0,85 i testsettet. Den beste DL-modellen utviklet av Matsui et al. oppnådde en total nøyaktighet på 65,9 % i å forutsi IDH-mutasjon og 1p/19q co-delesjon. Også multi-task CNN-modellen konstruert av Decuyper et al. oppnådde 94 %, 86 % og 87 % nøyaktighet i å forutsi karakterer, IDH-mutasjoner og 1p/19q co-delesjonstilstander i ekstern validering. Modellen konstruert av Luo et al. oppnådde 83,9 % og 80,4 % i eksterne tester for histologisk og molekylær subtypediagnose. I tillegg til den "integrerte prediksjonen", finnes det mange modeller som bare forutsier gliomgradering eller enkeltmolekylære markører. I mellomtiden var tidligere studier basert på 2016 CNS-klassifiseringen for gliomgradering og prediksjon av molekylære subtyper. Derfor er det et presserende behov for en multi-task DL-radiomiksmodell for preoperativ og ikke-invasiv prediksjon av gliomgradering og mer omfattende molekylære markører i henhold til den siste 2021 CNS-klassifiseringen.

Selv om radiomiks har vist en viss gjennomførbarhet i å forutsi tumormolekylær patologi, er det latterlig å administrere presisjonsmålrettet terapi utelukkende på grunnlag av denne forutsigelsen. Derfor håper vi å gi mer klinisk bevis for den molekylære patologiske diagnosen av gliompasienter ved å bruke flytende biopsiteknikk som et viktig komplement til radiomikalier. Sirkulerende tumorcelle (CTC), som en av de flytende biopsiteknikkene, deler det samme endelige målet om preoperativt ikke-invasiv og nøyaktig diagnose av gliomer.

Basert på de mange begrensningene til dagens diagnostiske modeller for gliom, og de kombinerte metodene for radiomik og flytende biopsi har et stort potensial for ikke-invasiv diagnostisering av gliomgradering og molekylære markører siden de begge er enkle å utføre. Videre, så vidt vi vet, har det ikke vært noen studie av preoperativ ikke-invasiv diagnose av gliom i sammenheng med flytende biopsiassistert radiomik.

Derfor har denne studien følgende mål. For det første, i henhold til veiledningen fra 2021 WHO for CNS-klassifisering, konstruerte og testet vi eksternt en multi-task DL-modell for samtidig diagnose av tumorsegmentering, gliomklassifisering og mer omfattende molekylær subtype, inkludert IDH-mutasjon, ATRX-slettingsstatus, 1p19q co- sletting, TERT-genmutasjonsstatus, etc. For det andre, basert på det samme endelige formålet med flytende biopsi og radiomikalier, fremmet vi innovativt konseptet og ideen om å kombinere radiomiks og flytende biopsiteknologi for å forbedre diagnosen gliom. Og gjennom studien vår vil det gi en viss klinisk validering for dette konseptet, i håp om å gi noen nye ideer for påfølgende forskning og støtte klinisk beslutningstaking.