KIA-Korekt: Stufenweise unifunktionale zu multifunktionale KI-Evaluierung zur perioperativen Risikovorhersage bei kolorektalem Karzinom (KIA-Korekt)

Rak jelita grubego (CRC) jest jednym z najczęstszych nowotworów złośliwych na świecie. Pomimo postępu w technikach chirurgicznych i opiece okołooperacyjnej, krótkoterminowe powikłania pooperacyjne pozostają częste i mają znaczący wpływ na jakość życia pacjentów, koszty opieki zdrowotnej oraz długoterminowe rokowanie. Powikłania te obejmują nieszczelność zespolenia, zakażenie rany, sepsę, zdarzenia zakrzepowo-zatorowe oraz śmiertelność szpitalną. Istniejące kliniczne skale ryzyka (ASA, POSSUM) zapewniają jedynie ograniczoną indywidualną stratyfikację ryzyka i nie uwzględniają biologicznych markerów pochodzących z obrazowania.

Badanie KIA-Korekt rozwiązuje tę lukę poprzez opracowanie i walidację predykcyjnych modeli opartych na sztucznej inteligencji dla powikłań okołooperacyjnych w CRC, integrując trzy komplementarne modalności obrazowania:

Cyfrowa histopatologia: Obrazy całych preparatów barwione hematoksyliną i eozyną (H&E-WSI) z chirurgicznych próbek resekcyjnych oraz biopsji przedoperacyjnych są analizowane z wykorzystaniem wielokrotnego uczenia instancyjnego z mechanizmem uwagi (MIL) oraz konwolucyjnych sieci neuronowych (CNN), bazując na ustalonych procedurach z Katedry Patologii Obliczeniowej, TU Drezno (AG Kather).

Radiologia: Przedoperacyjne obrazy CT i MRI są przetwarzane z wykorzystaniem automatycznej segmentacji (TotalSegmentator, nnU-Net) oraz ekstrakcji cech radiomicznych (PyRadiomics). Cechy są wyprowadzane z guza pierwotnego, mięśnia lędźwiowego większego (sarkopenia) oraz przedziałów tłuszczu trzewnego/podskórnego. Dedykowany wielometryczny potok kontroli jakości zapewnia stabilne reprezentacje danych obrazowych między skanerami i protokołami akwizycji.

Obrazowanie tkanki multiplex (mTI): Immunohistochemia multiplex z obrazowaniem wielospektralnym (mIHC-MSI) oraz cytometria masowa z obrazowaniem (IMC) są stosowane na tkance guza utrwalonej formaliną i zatopionej w parafinie w celu scharakteryzowania populacji komórek odpornościowych i podścieliska, intensywności ekspresji markerów oraz wzorców dystrybucji przestrzennej w mikrośrodowisku guza.

Modele unimodalne są opracowywane i walidowane oddzielnie dla każdej modalności. Integracja multimodalna jest przeprowadzana przy użyciu fuzji na poziomie cech, fuzji późnej oraz wielokrotnego uczenia instancyjnego multimodalnego z mechanizmami uwagi krzyżowej. Wydajność modelu jest oceniana przy użyciu AUC-ROC, wykresów kalibracji, wyników Brier oraz analizy krzywej decyzyjnej. Interpretowalność jest oceniana za pomocą wartości SHAP oraz map cieplnych uwagi.

Badanie wykorzystuje projekt kohorty mieszanej retrospektywnej (n=750, 2011-2021) oraz walidacji prospektywnej (n=210, 2026-2028). Kohorta retrospektywna stanowi podstawę do rozwoju modelu i wewnętrznej walidacji krzyżowej; kohorta prospektywna umożliwia zewnętrzną walidację w warunkach klinicznych w rzeczywistym świecie.

Kompleksowa analiza korelacji makro-mikro na poziomie pacjenta bada zależności między fenotypami obrazowania radiologicznego a mikroskopowymi cechami histopatologicznymi i immunologicznymi pochodzącymi z tych samych guzów, umożliwiając unikalne integracyjne wnioski biologiczne.

Badanie jest finansowane przez Unię Europejską i Kraj Związkowy Brandenburgia (HealthTranslateBB/EFRR) oraz Niemiecką Fundację Badawczą (DFG). Zatwierdzenie etyczne zostało przyznane przez komisję etyczną Uniwersytetu Medycznego im. Theodora Fontane w Brandenburgii. Wszyscy uczestnicy prospektywni dostarczają pisemną świadomą zgodę. Dane retrospektywne są przetwarzane w formie pseudonimizowanej zgodnie z RODO.

Wyniki będą rozpowszechniane poprzez recenzowane publikacje otwartego dostępu oraz prezentacje na konferencjach krajowych i międzynarodowych.