Sztuczna inteligencja w przypadku raka głowy i szyi leczonego radioterapią adaptacyjną (RadiomicART) (RadiomicArt)

Rak płaskonabłonkowy głowy i szyi (HNSCC) charakteryzuje się zapadalnością w Europie na poziomie 140 000 nowych przypadków rocznie, a wskaźniki przeżycia po 5 latach wahają się od 25 do 65%.

Obecne algorytmy postępowania klinicznego u pacjentów z HNSCC zakładają zastosowanie operacji i/lub radioterapii w zależności od stopnia zaawansowania choroby w chwili rozpoznania. Radioterapia radykalna (RT), stosowana wyłącznie lub w połączeniu z terapią systemową, stanowi skuteczną opcję terapeutyczną zgodnie z międzynarodowymi wytycznymi.

Pomimo ostatnich postępów technologicznych w dziedzinie radioterapii, u około 30-50% pacjentów po pierwotnym leczeniu raka głowy i szyi rozwinie się niewydolność lokoregionalna. Co więcej, chociaż rozwój technik radioterapii z modulacją intensywności (IMRT) i terapii łukiem z modulacją wolumetryczną (VMAT) pozwolił na większe oszczędności dawki w zdrowych tkankach, toksyczność wywołana promieniowaniem nadal stanowi istotny problem, wpływając na jakość życia pacjentów z rakiem nawet przez długi czas po leczeniu.

Ciągły wysiłek spersonalizowanej medycyny ma na celu poprawę wyników pacjenta, zarówno pod względem kontroli choroby, jak i schematu toksyczności. Zaawansowane metody obrazowania wydają się odgrywać kluczową rolę w dostosowywaniu radioterapii, jak pokazano na przykładzie zastosowania radioterapii adaptacyjnej (ART) i radiomiki.

Przez ART badacze rozumieją dostosowanie objętości guza i otaczających narządów zagrożonych (OAR) do kurczenia się i wychudzenia pacjenta podczas leczenia RT.

W najnowszej literaturze wykazano, że kurczenie się guza może osiągnąć 70% pod koniec leczenia RT, a jednocześnie OAR, takie jak ślinianki przyuszne, mogą zmniejszyć swój rozmiar od 7 do 70%. Te zmiany, jeśli nie zostaną wzięte pod uwagę, mogą prowadzić do nieoczekiwanego podania mniejszej dawki na guz i większej dawki OAR w porównaniu z planowaną.

Radioterapia adaptacyjna (ART) obejmuje techniki, które umożliwiają poznanie różnic anatomicznych specyficznych dla pacjenta, uzyskanych dzięki radioterapii sterowanej obrazem (IGRT), w celu uwzględnienia informacji zwrotnych w planie i optymalizacji dostarczania dawki w trakcie leczenia. Utrzymującym się najsłabszym ogniwem w łańcuchu leczenia radioterapii pozostaje identyfikacja celu kierowana przez lekarza.

W porównaniu z tomografią komputerową lub tomografią komputerową, rezonans magnetyczny zapewnia lepszą definicję tkanek miękkich bez związanego z tym ryzyka promieniowania. MRI identyfikuje cele większe niż w CT, ponieważ guz, który w przeciwnym razie zostałby pominięty, jest teraz widocznyah; jednak najczęściej cele są zgłaszane jako mniejsze, gdy są wyznaczane na MRI. Uzyskany w wyniku MRI mniejszy cel poprawia współczynnik terapeutyczny, umożliwiając zwiększenie dawki. Dostępność „funkcjonalnych” sekwencji MRI daje nadzieję, że adaptacja geometryczna może być uzupełniona adaptacją biologiczną. Obrazowanie ważone dyfuzją (DWI) to funkcjonalna technika obrazowania zależna od losowego ruchu cząsteczek wody w celu wygenerowania kontrastu obrazu. Ponieważ guzy mają zwykle większą komórkowość niż normalna tkanka, wykazują wyższą intensywność sygnału, tj. Ograniczoną dyfuzję w MRI. Znajduje to odzwierciedlenie w niskiej średniej wartości współczynnika pozornej dyfuzji (ADC). Ma to potencjał dostarczania informacji zarówno jakościowych, jak i ilościowych. Zmiana w ADC została wykorzystana do identyfikacji wczesnej odpowiedzi na leczenie i do przewidywania nawrotu miejscowego. W związku z tym DWI na pokładzie może identyfikować osoby wcześnie niereagujące na leczenie, które mogą odnieść korzyści ze zmiany podejścia do leczenia.

Radiomika to ekstrakcja cech ilościowych z obrazów medycznych w celu scharakteryzowania patologii lub heterogeniczności guza. Cechy radiomiczne wyekstrahowane z obrazów medycznych mogą być wykorzystane jako cechy wejściowe do stworzenia modelu uczenia maszynowego zdolnego do przewidywania przeżycia i kierowania leczeniem dzięki jego wartości predykcyjnej w kontekście personalizacji terapii.

Wcześniej ocenialiśmy w badaniu retrospektywnym jakościową analizę radiomicznych cech tkanek guza głowy i szyi, aby zidentyfikować predykcyjną sygnaturę biologicznych cech guza. Badacze dokonali stratyfikacji pacjentów z HNSCC według najbardziej znaczących cech radiomicznych na grupy wysokiego i niskiego ryzyka nawrotu i przeżycia po radiochemioterapii.

Połączenie zarówno ART, jak i analizy radiomicznej można potencjalnie uznać za dalszy postęp w personalizacji leczenia onkologicznego, aw szczególności radioterapii. Z tego powodu badacz zaprojektował niniejszy projekt badawczy w celu prospektywnej oceny podejścia radiomicznego opartego na uczeniu maszynowym w celu przewidywania wyniku i toksyczności pacjentów z HNSCC leczonych ART za pomocą tomografii komputerowej, rezonansu magnetycznego i skanowania PET.