Wykorzystanie sztucznej inteligencji do przewidywania nawrotu po resekcji przerzutów raka jelita grubego do wątroby (AI-RECOLMET)

Rak jelita grubego (CRC) jest trzecim najczęstszym nowotworem na świecie i czwartą najczęstszą przyczyną zgonów związanych z rakiem. Przeżycie jest głównie determinowane przez stadium choroby i obecność przerzutów. Pięcioletnie przeżycie wśród pacjentów z przerzutowym CRC wynosi 12-19% w porównaniu z 90% u pacjentów z chorobą zlokalizowaną, przy czym przerzuty raka jelita grubego do wątroby (CRLM) występują u 30-50% pacjentów z CRC i są odpowiedzialne za dwie trzecie zgonów związanych z CRC. Ostatnie postępy w leczeniu CRLM zwiększyły całkowite przeżycie (OS) pacjentów z 6 miesięcy do 25-40% wskaźników przeżycia pięcioletniego. Połączenie chemioterapii i resekcji wątroby pozostaje opcją terapeutyczną o największych korzyściach przeżyciowych dla pacjentów z CRLM. Chociaż operacja nadal stanowi jedyne uznane potencjalnie wyleczające leczenie, z drugiej strony nowoczesna chemioterapia, również dzięki wprowadzeniu leków biologicznych, doprowadziła do lepszej odpowiedzi i wskaźników przeżycia u pacjentów z przerzutami do wątroby, przyczyniając się również do zwiększenia wskaźnika resekcyjności (tj. liczby pacjentów, którzy stają się operacyjni dzięki cytoredukcji po terapii medycznej).

Aż do 30% pacjentów może zostać wyleczonych, jeśli przerzuty w wątrobie mogą być całkowicie usunięte (termin medyczny na to to "resekcja"). Aby operacja mogła być rozważona, choroba onkologiczna musi być radykalnie resekcyjna z technicznego punktu widzenia. Jednocześnie po resekcji musi pozostać odpowiednia ilość zdrowej wątroby, aby podtrzymać życie. Terapie lokalne, w tym termoablacja, chemoembolizacja i radioterapia, są również stosowane w leczeniu pacjentów z CRLM jako alternatywy dla konwencjonalnego leczenia leczniczego. W szczególności lokalne leczenie CRLM może skorzystać z termoablacji, opartej na radiofrekwencji lub mikrofalach. Rzeczywiście, nawet jeśli resekcja pozostaje lokalnym leczeniem z wyboru dla resekcyjnych przerzutów do wątroby, ablacja może oferować podobne korzyści u wybranych pacjentów, pomagając oszczędzić zdrowy miąższ wątroby.

Pomimo tych znaczących popraw w rokowaniu, duża część pacjentów (prawie połowa) i tak doświadczy nawrotu po połączeniu terapii lokalnych. Wraz z poprawą terapii niechirurgicznych, pacjenci, u których dochodzi do nawrotu, mogliby przejść leczenie niechirurgiczne zamiast resekcji. Dlatego niezwykle ważne jest jak najlepsze zdefiniowanie strategii leczenia dla pacjentów na podstawie dokładnej oceny rokowania po leczeniu, poprzez zrównoważenie ryzyka okołooperacyjnego zachorowalności/śmiertelności z ryzykiem nawrotu. Wcześniejsze zidentyfikowanie tych pacjentów z nawrotem byłoby kluczowe, aby uniknąć bezskutecznej operacji lub przydzielić ich do farmakologicznych leków uzupełniających (tj. pooperacyjnych).

Większość pacjentów z CRLM przechodzi programy chemioterapii przedoperacyjnej z prawdopodobieństwem odpowiedzi w około 60% przypadków. Koszty opieki zdrowotnej i biologiczne programów chemioterapii są znaczące. Ponadto obecnie istnieje kilka schematów chemioterapii, ale brakuje danych wskazujących, który schemat jest skuteczny u którego pacjenta. Wcześniejsze zidentyfikowanie tych pacjentów reagujących byłoby niezwykle decydujące, aby uniknąć bezskutecznego leczenia chemioterapią bez korzyści klinicznych i aby kierować wyborem przydzielania ich lub nie do farmakologicznego leczenia neoadjuwantowego (tj. przedoperacyjnego) oraz wyborem schematu adjuwantowego. Z kolei ważne jest wczesne odróżnienie osób reagujących od nieragujących, aby wybrać najbardziej odpowiednie podejście terapeutyczne.

Charakterystyki kliniczne pacjentów i choroby, oprócz obrazowania radiologicznego, okazały się niezbędnymi narzędziami, które pomagają ocenić zakres choroby, ocenić odpowiedź na leczenie oraz zidentyfikować toksyczność leków i nawrót. Niektóre badania sugerują, że analizy cech tekstury mogą ilościowo wykrywać przerzuty do wątroby, zanim staną się one wizualnie wykrywalne przez radiologa. Jednak wartość tych konwencjonalnych czynników samych w sobie w przewidywaniu rokowania CRLM jest ograniczona. W ostatnich latach opracowano wieloczynnikowe systemy punktowania rokowania jako potencjalne predyktory nawrotu po resekcji wątroby, ale nadal mają one ograniczenia w zastosowaniu, czułości i specyficzności. Pilnie potrzebne są nowe dokładne wskaźniki rokownicze u pacjentów z CRLM. Konkretnie, istnieje potrzeba kliniczna zidentyfikowania a priori pacjentów, którzy mają różne prawdopodobieństwa rozwoju nawrotu choroby po leczeniu lokalnym (resekcja wątroby z termoablacją lub bez) i różną odpowiedź na leczenie chemioterapią, w celu udoskonalenia alokacji do leczenia i zasobów opartej na ryzyku. Jak wiadomo, sztuczna inteligencja (AI) jest gałęzią informatyki, która ma na celu symulację ludzkiej inteligencji i zachowań, aby wspomagać ludzi w określonych zadaniach. Powszechna cyfryzacja opieki zdrowotnej generuje ogromną ilość danych i, wraz z dostępnymi wysokowydajnymi obliczeniami, technologie AI mogą być stosowane do pokonania aktualnych ograniczeń w szacowaniu nawrotu CRLM i odpowiedzi po leczeniu lokalnym i chemioterapeutycznym, osiągając tym samym lepszą alokację do leczenia w porównaniu z obecną praktyką.

Tomografia komputerowa (CT) jest obrazowaniem z wyboru do oceny stopnia zaawansowania i obserwacji u większości pacjentów z CRLM. Jednak wiele czynników może wpływać na nawrót i OS. Na przykład, nawet do 25% zmian może pozostać niewykrytych. Metaanaliza wykazała, że tomografia komputerowa ze wzmocnieniem kontrastowym miała czułość i specyficzność odpowiednio 82% i 84% w wykrywaniu zmian w wątrobie. Jednak dla zmian mniejszych niż 1 cm czułość spada do 31-38%. MRI jest najdokładniejszą modalnością do wykrywania CRLM; jednak w praktyce jest zazwyczaj używany jako narzędzie pomocnicze. MRI ma tę zaletę, że może wykrywać i charakteryzować zmiany nawet mniejsze niż 10 mm, a także nie stwarza zagrożenia promieniowaniem. Środki kontrastowe specyficzne dla hepatocytów mają czułość 95% w wykrywaniu przerzutów do wątroby.

Pomimo swojej wartości, wizualna ocena CT i MRI nie jest w stanie ocenić mikrostrukturalnych zmian, takich jak wewnątrzogniskowe zmiany perfuzyjne lub martwicze, które mogą być wczesnymi wskaźnikami wysokiego ryzyka miejscowej progresji guza. Również zła jakość obrazowania może prowadzić do niemożności rozpoznania wszystkich przerzutów. Dlatego zainteresowanie wykorzystaniem narzędzi opartych na AI do optymalizacji jakości obrazowania oraz wykorzystaniem obrazowania ilościowego rosło wraz z wykorzystaniem analizy tekstury lub radiomiki. Radiomika polega na ekstrakcji dużej ilości cech ilościowych z obrazów medycznych w połączeniu z modelami uczenia maszynowego (ML) w celu przewidywania punktów końcowych klinicznych. Ostatnio radiomika była badana jako wskaźnik rokowniczy/prognostyczny dla wyników klinicznych w różnych typach nowotworów i analizie przeżycia z obiecującymi wynikami dla CLRM leczonego ablacją mikrofalową. Jednak dostępnych jest niewiele dowodów dla wątroby i CRLM, a niektóre badania sugerują, że analizy cech tekstury mogą ilościowo pomóc radiologowi w modyfikacji podejść klinicznych.

Wszystkie cechy radiomiczne mogą również pomóc w trenowaniu sieci neuronowych mających na celu wykrywanie przerzutów do wątroby, zanim staną się one wizualnie wykrywalne przez radiologa.

Dlatego to badanie ma na celu ocenę, czy wieloczynnikowy (w tym kliniczny i radiomiczny) model ML może zidentyfikować pacjentów z CRLM z wysokim ryzykiem progresji po chemioterapii i nawrotu po resekcji wątroby. Faza modelowania odbędzie się na S-RACE przez D34Health, oparta na Azure Machine Learning na Azure Cloud, dostarczając użyteczne narzędzia i metody wymagane do modelowania problemu, takie jak instancje obliczeniowe i narzędzia modelowania, takie jak Jupyter Notebooks, w połączeniu z wbudowanymi narzędziami współpracy i prywatności.

Ponadto wartość dodana danych klinicznych może być wykorzystana do budowania modeli klinicznych i połączonych dla lepszego przewidywania wyników.

Badanie jest skonfigurowane jako obserwacyjne, retrospektywne, monocentryczne. Pacjenci dotknięci CRLM i operowani z powodu resekcji wątroby w naszym środowisku szpitalnym zostaną wybrani zgodnie z kryteriami kwalifikacyjnymi.