Development of a Nomogram Model Based on Contrast-Enhanced CT Histogram Analysis for Preoperative Prediction of Ki-67 Expression Status in Patients with Clear Cell Renal Cell Carcinoma

Krebs ist nicht eine einzige Krankheit, sondern eine Ansammlung von Störungen, die dadurch definiert werden, wie schnell sich Zellen teilen und wie aggressiv sie streuen. In der Niere ist die häufigste Form von Krebs das klarzellige Nierenzellkarzinom, ein Tumor, dessen Verhalten von Patient zu Patient stark variieren kann. Einige wachsen langsam und bleiben lokal begrenzt, während andere schnell wachsend und gefährlich sind. Um zu verstehen, welches der beiden Fälle vorliegt, suchen Ärzte oft nach einem spezifischen Protein innerhalb der Tumorzellen, dem sogenannten Ki-67. Dieses Protein fungiert wie ein molekularer Schalter, der nur dann aktiviert wird, wenn eine Zelle sich aktiv auf die Teilung vorbereitet. Je mehr Ki-67 vorhanden ist, desto hektischer ist die Zellaktivität und desto wahrscheinlicher ist es, dass der Tumor aggressiv ist. Die Feststellung, wie viel dieses Proteins vorhanden ist, erfordert jedoch in der Regel eine Operation, um den Tumor zu entfernen und das Gewebe anschließend unter einem Mikroskop zu analysieren. Dieser invasive Prozess bedeutet, dass Ärzte die wahre Natur des Tumors oft erst dann kennen, wenn die Operation bereits durchgeführt wurde.

Ein Forschungsteam am Zweiten Krankenhaus der Lanzhou Universität hat einen Weg entwickelt, um einen Blick auf diese verborgenen Informationen zu werfen, noch bevor ein Patient jemals unter das Messer kommt. Durch die Verwendung von Standard-CT-Scans, die wie detaillierte dreidimensionale Röntgenbilder funktionieren, haben sie ein mathematisches Werkzeug erstellt, das das Niveau der Ki-67-Aktivität mit überraschender Genauigkeit vorhersagen kann. Die Studie konzentrierte sich auf 213 Patienten, die sich bereits einer Operation wegen dieser Art von Nierenkrebs unterzogen hatten. Die Forscher untersuchten die vor den Operationen aufgenommenen CT-Bilder und kombinierten diese mit einfachen Bluttestergebnissen sowie der Größe der Tumore. Sie entdeckten, dass die interne Textur des Tumors, wie sie im Scan sichtbar ist, Hinweise darauf enthält, wie schnell sich die Zellen vermehren. Durch die Verschmelzung dieser visuellen Details mit den Blutwerten des Patienten bauten sie einen Leitfaden, der Ärzten hilft, die Aggressivität des Tumors im Voraus einzuschätzen, was fundiertere Entscheidungen über die Behandlung ermöglicht, noch bevor der erste Schnitt erfolgt.

Die Forscher begannen damit, Daten von Patienten zu sammeln, die zwischen Januar 2022 und Dezember 2024 behandelt wurden. Sie teilten die Gruppe in zwei Sätze auf: eine größere Gruppe zum Aufbau ihres Modells und eine kleinere Gruppe zum Testen desselben. Für jeden Patienten untersuchten sie die CT-Scans, die zu zwei spezifischen Zeitpunkten aufgenommen wurden, an denen das Kontrastmittel durch die Nieren floss. Sie betrachteten auch die Bluttests der Patienten, insbesondere die Anzahl der Monozyten, einer Art von weißen Blutkörperchen, und berechneten das Verhältnis zwischen Neutrophilen und Lymphozyten, zwei anderen Arten von Immunzellen. Sie maßen die Größe des Tumors und analysierten sorgfältig die Graustufenmuster innerhalb des Tumors im Scan. Diese Musteranalyse, bekannt als Histogramm-Analyse, untersucht, wie die Helligkeit jedes winzigen Pixels innerhalb des Tumors verteilt ist. Anstatt nur auf die durchschnittliche Helligkeit zu schauen, maßen sie, wie ungleichmäßig oder „schief“ (skewed) die Verteilung war – ein Detail, das verborgene Variationen in der Gewebestruktur offenbaren kann.

Mit Hilfe eines Computer-Algorithmus sichtete das Team Dutzende potenzieller Hinweise, um die vier zu finden, die am wichtigsten waren. Sie fanden heraus, dass die Größe des Tumors, die Monozytenzahl des Patienten, das Verhältnis von Neutrophilen zu Lymphozyten und die spezifische Schiefe der Helligkeit des Tumors im Scan die stärksten Prädiktoren waren. Diese vier Faktoren wurden in einer einzigen visuellen Tabelle, einem sogenannten Nomogramm, zusammengeführt. Dieses Diagramm ermöglicht es einem Arzt, die spezifischen Zahlen eines Patienten einzugeben und eine berechnete Wahrscheinlichkeit dafür zu sehen, ob der Tumor eine hohe oder niedrige Ki-67-Expression aufweist. Als sie dieses Werkzeug an der Gruppe von Patienten testeten, mit denen das Modell erstellt wurde, erreichte es einen AUC-Wert von 0,86. Als sie es an der separaten Gruppe von Patienten testeten, die zur Validierung diente, blieb der AUC-Wert mit etwa 0,86 ebenso hoch.

Die Studie zeigte, dass dieser kombinierte Ansatz weita viel besser war als die Betrachtung eines einzelnen Faktors allein. Beispielsweise war es nicht ausreichend, zuverlässig eine Vorhersage zu treffen, wenn man nur die Tumorgröße oder nur die Blutwerte betrachtte. Die Kraft lag in der Kombination. Die Forscher überprüften auch, wie gut ihre Vorhersagen mit der Realität übereinstimmten, indem sie statistische Tests anwandten, und die Ergebnisse zeigten eine starke Übereinstimmung zwischen dem, was das Modell vorhersagte, und dem, was nach der Operation tatsächlich in den pathologischen Berichten gefunden wurde. Sie demonstrierten ferner, dass die Verwendung dieses Werkzeugs zu einem besseren klinischen Ergebnis führen würde, als jeden Patienten gleich zu behandeln oder das Risiko gänzlich zu ignorieren. Das Modell hob erfolgreich hervor, dass Tumore mit höheren Ki-67-Werten dazu neigten, größer zu sein, eine ungleichmäßigere interne Textur im Scan aufzuweisen und mit spezifischen Entzündungsmustern im Blut assoziiert zu sein.

Obwohl die Ergebnisse vielversprechend sind, weisen die Forscher vorsichtig darauf hin, dass dies eine retrospektive Studie war, was bedeutet, dass sie Daten aus der Vergangenheit untersuchten, anstatt Patienten in der Zukunft zu begleiten. Die Daten stammten aus einem einzigen Krankenhaus, und die Methode beruht auf spezifischen Arten von CT-Scans, was bedeutet, dass das Werkzeug in anderen Umgebungen und mit unterschiedlicher Ausrüstung getestet werden muss, um sicherzustellen, dass es universell funktioniert. Zudem verfolgte die Studie nicht, wie lange die Patienten nach der Behandlung lebten, sodass die Fähigkeit des Werkzeugs, das langfristige Überleben vorherzusagen, noch abzuwarten bleibt. Dennoch stellt die Arbeit einen bedeutenden Schritt nach vorn in der nicht-invasiven Medizin dar. Indem sie einen Standard-CT-Scan und einen routinemäßigen Bluttest in ein Fenster zur Biologie des Tumors verwandeln, gibt dieses Modell Ärzten eine neue Möglichkeit, den Feind zu verstehen, bevor die Schlacht beginnt, was potenziell Patienten vor unnötigen Eingriffen bewahrt oder sicherstellt, dass sie von Beginn an die richtige Intensität der Pflege erhalten.