Anvendelse av multimodal MR-basert radiomikk i histologisk gradering og prognostisk vurdering av brystkreft

I tillegg til TNM-stadiering er dagens behandling av brystkreft basert på konvensjonelle patologiske egenskaper som kategoriserer sykdommen i tre molekylære undertyper, hver med betydelige prognostiske implikasjoner i klinisk praksis: humant epidermal vekstfaktorreseptor 2 (HER2)-positiv, luminal (hormonreseptor-positiv og HER2-negativ) og trippelnegativ brystkreft. Overuttrykket eller forsterkningen av HER2 observeres i 10-15 % av brystkrefttilfellene. Dette fenomenet korrelerer ofte med en mer aggressiv tumoratferd samtidig som det viser økt respons på HER2-målrettede terapier. Imidlertid kan bruken av svært effektive anti-HER2-medikamenter betydelig forbedre overlevelsesresultatene for disse pasientene. I tillegg er uttrykksstatusen til HER2 avgjørende for å bestemme nødvendigheten av målrettet terapi. Derfor har preoperativ vurdering av HER2-uttrykksstatus viktige terapeutiske implikasjoner. For tiden inkluderer kliniske metoder for å vurdere HER2-status i brystkreft før kirurgi immunhistokjemi (IHC)-tester og fluorescens in situ hybridisering (FISH)-målinger utført på kjerne-nål-biopsiprøver. Imidlertid har disse biopsiprøvetakingsteknikkene iboende begrensninger, inkludert prøvetakingsbias og manglende evne til å fullt ut representere intratumoral heterogenitet. I tillegg kan biopsiprosedyren være ubehagelig og bærer visse risikoer for pasienter. Tumorheterogenitet refererer generelt til variasjoner i angiogenese, metabolisme, genuttrykk og andre biologiske egenskaper mellom tumorer. Intratumoral heterogenitet (ITH) kan manifestere seg som signaldifferanser i radiologiske bilder på makronivå. Forskere hypotiserte at betydelige forskjeller i biologiske egenskaper og atferd eksisterer mellom HER2-positiv (HER2+) og HER2-negativ (HER2 -) brystkreft, noe som gjør det mulig å skille disse to typene tumorer ved å identifisere spesifikke bildeegenskaper som reflekterer ITH.

Dynamisk kontrastforsterket MR (DCE-MR) er en effektiv bilmodalitet som gir tidsinformasjon om dynamikken til kontrastmidler i mistenkelige lesjoner samtidig som den opprettholder akseptabel romlig oppløsning. Den er spesielt følsom for å oppdage brystkreftlesjoner, spesielt de i tett brystvev. DCE-MR kan indirekte reflektere unormal tumorvaskulær proliferering gjennom de hemodynamiske egenskapene til lesjonene. Radiomics er en ny teknologi som innebærer å trekke ut kvantitative og reproduserbare egenskaper fra medisinske bilder ved bruk av høydata, sofistikerte modaliteter som ofte er utfordrende å identifisere eller kvantifisere visuelt. Disse egenskapene, som kan være knyttet til spesifikke sykdommer, analyseres ved bruk av statistiske eller maskinlæringsalgoritmer for å skape prediktive modeller for tumordiagnose, gradering, effektvurdering og prognoseprediksjon. Maskinlæring har to viktige fordeler fremfor tradisjonelle statistiske modeller. Målet er å redusere beslutningstiden under diagnostisering og generelt oppnå større diagnostisk nøyaktighet. Som demonstrert i brystkreftdiagnostikk kan maskinlæring betydelig forbedre kreftrisikoprediksjon ved å identifisere komplekse mønstre i store mengder kliniske data. Til tross for det store potensialet til maskinlæring, står det fortsatt overfor flere hindringer i sin kliniske anvendelse. En stor utfordring er mangel på tolkbarhet-mange maskinlæringsmodeller opererer som «svarte bokser», noe som gjør det vanskelig for klinikere å forstå og stole på deres beslutningsprosesser. Videre avhenger modellens ytelse i stor grad av kvaliteten og representativiteten til treningsdataene. Maskinlæringsmetoder krever ofte større datasett enn tradisjonelle kliniske studier.

Dermed hadde denne studien som mål å utvikle en radiomics-basert maskinlæringsmodell som kunne forutsi HER2-statusen til brystkreft på en ikke-invasiv måte ved bruk av DCE-MR-bilder. I tillegg ble Shapley Additive Explanation (SHAP)-algoritmen brukt til å analysere bidraget fra variablene inkludert i modellen, noe som gir verdifull innsikt for å utarbeide mer nøyaktige preoperative behandlingsplaner for pasienter med brystkreft.