Texture-driven radiomics from longitudinal contrast-enhanced CT predicts short-term immunotherapy response in lung cancer: A retrospective cohort study

Im Kampf gegen fortgeschrittenen Lungenkrebs haben Ärzte ein mächtiges neues Werkzeug: Medikamente, die das körpereigene Immunsystem des Patienten aufwecken, um den Tumor anzugreifen. Diese Behandlungen, bekannt als Immun-Checkpoint-Inhibitoren, haben die Behandlungslandschaft verändert und bieten Hoffnung, wo zuvor kaum welche existierte. Sie wirken jedoch nicht bei jedem. Bei einigen Patienten schrumpfen die Tumore dramatisch, während sie bei anderen keine Veränderung oder sogar ein vorübergehendes, irreführendes Wachstum zeigen, das eigentlich nur bedeutet, dass das Immunsystem an Kraft gewinnt. Der derzeitige Standard zur Überprüfung, ob ein Medikament wirkt, beruht auf der Messung der Tumorgröße in einer CT-Aufnahme. Diese Methode ist zwar nützlich, aber oft zu langsam, um die subtilen, frühen Anzeichen von Erfolg oder Misserfolg zu erfassen, und sie kann durch die komplexe Art und Weise, wie diese Medikamente mit dem Körper interagieren, getäuscht werden. Wissenschaftler hoffen seit langem, dass die computergestützte Analyse medizinischer Bilder, ein Feld namens Radiomics, verborgene Muster finden könnte, die vorhersagen, wer ansprechen wird, noch bevor sich die Größe des Tumors verändert. Doch bisherige Versuche, diese Computermodelle auf einzelne, statische Scans anzuwenden, waren jedoch inkonsistent und scheiterten oft daran, echte biologische Signale vom Rauschen verschiedener Maschinen und Scantechniken zu trennen.

Ein Team von Forschern der Lanzhou University und der University of Cambridge beschloss, dieses Problem anders anzugehen. Anstatt zu fragen, was ein einzelnes Bild eines Tumors ihnen verraten könnte, fragten sie, was die Geschichte der Veränderung offenbaren könnte. Sie konzentrierten sich auf Patienten, die ihre erste Runde Immuntherapie erhielten, und verglichen zwei Scans: einen, der vor Beginn der Behandlung aufgenommen wurde, und einen weiteren, der einige Wochen später aufgenommen wurde, während die Behandlung noch andauerte. Indem sie analysierten, wie sich die interne Textur des Tumors zwischen diesen beiden Momenten entwickelte, anstatt nur darauf zu achten, wie groß er war, versuchten sie, ein klareres Signal dafür zu finden, ob das Medikament wirkte. Ihre Studie, an der 156 Patienten teilnahmen, zeigt, dass der Schlüssel zur Vorhersage eines kurzfristigen Ansprechens nicht im Aussehen des Tumors zu einem einzelnen Zeitpunkt liegt, sondern in der spezifischen Art und Weise, wie sich seine interne Struktur verschiebt, während das Immunsystem mit ihm interagiert.

Die Forscher begannen damit, Daten von Patienten zu sammeln, die kontrastverstärkte CT-Scans erhalten hatten, bei denen ein spezielles Kontrastmittel verwendet wird, um Blutgefäße und Gewebe deutlich hervorzuheben. Sie kartierten sorgfältig die Tumore und das unmittelbar umgebende Gewebe und extrahierten tausende winziger numerischer Details über die Graustufenmuster innerhalb der Bilder. Diese Details beschreiben die Textur des Gewebes – wie rau, glatt oder komplex die interne Struktur erscheint – und nicht bloß dessen Form oder Größe. Sie erstellten daraufhin Computermodelle, um zu sehen, ob diese Zahlen vorhersagen konnten, ob ein Patient ein „Responder“ ist (das heißt, sein Tumor schrumpft oder verschwindet) oder ein „Non-Responder“.

Die Ergebnisse waren beeindruckend. Als das Team nur den Scan betrachtete, der vor Beginn der Behandlung aufgenommen wurde, waren die Computermodelle im Grunde am Raten. Sie konnten nicht zwischen Patienten unterscheiden, die schließlich ansprechen würden und denen dies nicht gelingen würde, und schnitten nicht besser ab als durch bloßes Raten. Auch die klinischen Informationen, die Ärzten zur Verfügung stehen, wie Alter, Rauchergeschichte und das spezifische verwendete Medikament, lieferten keine zuverlässige Vorhersage. Doch in dem Moment, als die Forscher die Veränderung zwischen dem ersten und dem zweiten Scan betrachteten, wurde das Bild klar. Ein Modell, das auf dem Unterschied in der Textur zwischen den beiden Scans basierte, sagte das kurzfristige Ergebnis mit hoher Genauigkeit voraus. Dies deutet darauf hin, dass die Vorhersagekraft nicht im Ausgangszustand des Tumors liegt, sondern darin, wie er sich unter dem Druck der Behandlung transformiert.

Entscheidend war, dass dieser Erfolg durch die Textur getrieben wurde und nicht einfach dadurch, dass der Tumor kleiner wurde. Die Forscher testeten, ob das Modell lediglich eine ausgeklügelte Methode zur Messung der Schrumpfung war, die bereits durch standardmäßige größenbasierte Regeln erfasst wird. Sie fanden heraus, dass das Modell genauso genau blieb, selbst wenn sie alle Messungen im Zusammenhang mit der Form und Größe des Tumors entfernten. Tatsächlich lagen die wichtigsten Hinweise in den Veränderungen der internen Muster des Tumors, wie etwa der Anordnung der Pixel, die Zellendichte und Organisation repräsentieren. Dies deutet darauf hin, dass das Immunsystem die mikroskopische Landschaft des Krebses verändert, lange bevor sich das Gesamtvolumen des Tumors so weit verändert, dass es mit bloßem Auge oder Standardmesswerkzeugen sichtbar wird.

Das Team untersuchte auch, wo dieses Signal lokalisiert ist. Es gibt die verbreitete Annahme, dass das umliegende Gewebe ein entscheidender Schlachtplatz für das Immunsystem ist und möglicherweise die wichtigsten Hinweise enthält. Um dies zu testen, analysierten die Forscher den Tumor selbst, das unmittelbar umgebende Gewebe sowie eine Kombination aus beidem. Sie fanden heraus, dass das Vorhersagesignal am stärksten und zuverlässigsten war, wenn sie nur den Tumor selbst betrachteten. Das Hinzufügen des umliegenden Gewebes verbesserte die Vorhersage nicht; in einigen Fällen fügte es nur Rauschen hinzu. Dieser Befund stellt die Annahme infrage, dass die Peripherie immer der informativste Bereich ist, und legt nahe, dass für das kurzfristige Ansprechen die Veränderungen innerhalb des Tumorkerns am aussagekräftigsten sind.

Obwohl das Modell exzellent darin war, vorherzusagen, ob ein Patient kurzfristig ansprechen würde, war seine Fähigkeit, das langfristige Überleben vorherzusagen, begrenzt. Die Forscher stellten fest, dass die Texturveränderungen die Patienten zwar moderat in Gruppen mit unterschiedlichen Risiken für den Krankheitsverlauf trennen konnten, aber das Gesamtüberleben nicht vorhersagen konnten. Dies liegt wahrscheinlich daran, dass das Überleben von vielen Faktoren beeinflusst wird, die nach der Erstbehandlung eintreten, wie etwa Folgetherapien oder andere gesundheitliche Probleme, welche das frühe Signal abschwächen. Die Studie kommt zu dem Schluss, dass diese longitudinalen Texturveränderungen zwar ein leistungsfähiges Frühwarnsystem dafür sind, ob ein Medikament wirkt, sie aber kein Kristallball für den gesamten Verlauf der Krankheit sind.

Die Implikationen dieser Arbeit sind bedeutend für die Art und Weise, wie Ärzte die Krebsbehandlung in Zukunft überwachen könnten. Sie legen nahe, dass das Warten darauf, dass ein Tumor schrumpft, nicht der einzige Weg ist, um Erfolg zu beurteilen. Indem man sich auf die subtilen, texturalen Verschiebungen konzentriert, die innerhalb der ersten Wochen der Therapie auftreten, könnten Kliniker möglicherweise Non-Responder viel früher identifizieren, sie so vor den Nebenwirkungen eines Medikaments bewahren, das nicht wirkt, und ihnen ermöglichen, schneller zu einer anderen Behandlung zu wechseln. Die Studie unterstreicht zudem die Bedeutung des Betrachtens von Veränderungen über die Zeit statt statischer Momentaufnahmen – ein Prinzip, das auf viele Bereiche der medizinischen Bildgebung anwendbar sein könnte. Dennoch betonen die Forscher vorsichtigweise, dass ihre Ergebnisse aus einem einzelnen Zentrum stammen und in größeren, diverseren Patientengruppen bestätigt werden müssen, bevor sie als Standardteil der klinischen Versorgung eingesetzt werden können. Für den Moment bietet diese Arbeit ein klareres Verständnis dessen, was die Bilder uns tatsächlich mitteilen: dass die Geschichte des Ansprechens eines Tumors in seiner sich verändernden Textur geschrieben steht, nicht nur in seiner Größe.