Preoperative prediction of muscle invasion in bladder cancer: a preliminary development and validation of diffusion-weighted-imaging-based habitat analysis

Blasenkrebs ist eine Erkrankung, bei der sich die Auskleidung der Blase unkontrolliert vermehrt, aber nicht alle Fälle sind gleich zu bewerten. Die kritischste Unterscheidung, die Ärzte vor einer Operation treffen müssen, ist, ob der Krebs tief genug gewachsen ist, um die Muskelwand der Blase zu infiltrieren. Wenn dies nicht der Fall ist, ist die Behandlung oft ein kleiner Eingriff, um den Tumor abzutragen. Wenn dies jedoch der Fall ist, wird die Krankheit viel ernster und erfordert aggressive Chemotherapie, Bestrahlung oder sogar die Entfernung der gesamten Blase. Jahrzehntelang war die einzige Möglichkeit, sicher zu wissen, ob die Muskulatur infiltriert ist, eine Biopsie – ein Verfahren, bei dem ein Endoskop in die Blase eingeführt wird, um eine Gewebeprobe zu entnehmen. Dieser Prozess ist invasiv, kann schmerzhaft sein und übergeht manchmal die tiefen Schichten des Tumors. Ärzte hofften schon lange, dass ein einfacher Scan diese Antwort liefern könnte, ohne die Notwendigkeit einer Nadel oder eines Endoskops, aber die interne Struktur eines Tumors ist oft zu komplex, als dass Standardbilder sie klar offenbaren könnten.

Ein Team von Forschern des Zhongshan-Krankenhauses und verbundener Institutionen in China setzte sich kürzlich mit dem Ziel, dieses Problem zu lösen, indem sie Blasen Tumore auf eine neue Art und Weise betrachteten. Sie konzentrierten sich auf eine Art der Magnetresonanztomographie namens Diffusionsgewichtete Bildgebung (Diffusion-Weighted Imaging), die misst, wie sich Wassermoleküle im Körper bewegen. In gesundem Gewebe bewegt sich Wasser frei, aber in einem Tumor sind die Zellen so dicht gepackt, dass das Wasser feststeckt. Die Forscher erkannten, dass ein Tumor kein einheitlicher Block aus Zellen ist, sondern ein Mosaik aus verschiedenen Umgebungen, einige mit dichten Zellen, einige mit schlechter Durchblutung und einige mit totem Gewebe. Um diese Komplexität zu erfassen, entwickelten sie eine Methode namens „Habitat-Analyse“. Anstatt den gesamten Tumor als ein einziges Objekt zu behandeln, nutzten sie einen Computer, um den Tumor basierend darauf, wie sich das Wasser in jedem winzigen Punkt bewegte, in verschiedene Unterregionen oder „Habitate“ zu unterteilen. Sie untersuchten dann, ob die spezifische Mischung dieser Habitate vorhersagen konnte, ob der Krebs die Muskelwand erreicht hatte.

Die Studie begann mit 175 Patienten, bei denen Blasenkrebs diagnostiziert worden war. Vor jeglicher Operation oder Biopsie unterzog sich jeder Patient einer detaillierten MRT-Untersuchung mit einem leistungsstarken 3,0-Tesla-Gerät. Die Ärzte baten die Patienten, vorab Wasser zu trinken, um die Blasen zu füllen, damit das Organ gedehnt und leicht sichtbar war. Die Scans enthielten Standardbilder, um die Form des Tumors zu zeigen, sowie spezialisierte Sequenzen, die die Bewegung der Wassermoleküle verfolgten. Zwei erfahrene Radiologen, die die endgültigen pathologischen Ergebnisse nicht kannten, untersuchten diese Bilder sorgfältig. Sie maßen die Größe der Tumore, prüften Merkmale wie einen Stiel, der den Tumor mit der Blasenwand verbindet, und notierten das Vorhandensein von Blutungen.

Der Kern der Forschung bestand darin, die Daten aus den Wasserbewegungs-Scans in ein Computerprogramm einzuspeisen. Das Programm analysierte den gesamten Tumor und gruppierte die Pixel basierend auf ihren einzigartigen Diffusionsmustern in vier verschiedene Habitate. Dieser Prozess erfolgte vollständig unüberwacht, was bedeutet, dass der Computer die Muster selbstständig fand, ohne vorgegeben zu bekommen, wonach er suchen sollte. Die Forscher verglichen dann die Zusammensetzung dieser Habitate bei Patienten, bei denen sich eine muskelinvasive Krebserkrankung herausstellte, mit denen, bei denen dies nicht der Fall war. Sie stellten einen klaren Unterschied fest: Patienten mit muskelinvasivem Krebs hatten einen signifikant größeren Anteil eines spezifischen Habitat-Typs, den die Forscher als „Habitat 1“ bezeichneten. Während dieser Habitat-Typ stark mit einer Muskelinvasion assoziiert war, merkten die Forscher an, dass sie aufgrund technischer Herausforderungen und ethischer Erwägungen in dieser spezifischen Studie die digitalen Regionen nicht definitiv bestimmten biologischen Geweben, wie etwa Bereichen mit hoher Zelldichte oder Nekrose, zuordnen konnten.

Um zu testen, ob dieser Befund Ärzten tatsächlich helfen könnte, erstellte das Team ein Vorhersagemodell. Sie kombinierten die Daten aus der Habitat-Analyse mit klinischen Standardinformationen, wie dem Alter des Patienten und der Größe des Tumors, sowie den visuellen Merkmalen, die im MRT sichtbar waren, wie etwa der Länge des Tumors und dem Vorhandensein eines Stiels. Sie erstellten ein statistisches Werkzeug namens Nomogramm, das wie ein Taschenrechner für Ärzte fungiert. Als sie dieses neue Modell testeten, erwies es sich als genauer bei der Vorhersage der Muskelinvasion als Modelle, die sich nur auf klinische Fakten oder Standard-MRT-Bilder stützten. Das neue Modell, das die Habitat-Daten einschloss, identifizierte das Risiko einer Muskelinvasion korrekt in 77,7 % der Fälle, was eine merkliche Verbesserung gegenüber dem AUC-Wert von 0,74 der älteren Methoden darstellte. Die Forscher verwendeten zudem eine Technik, um sicherzustellen, dass das Modell nicht bloß zufällig rät; sie prüften, wie gut die vorhergesagten Wahrscheinlichkeiten mit den tatsächlichen Ergebnissen übereinstimmten, und die Ergebnisse zeigten eine starke, zuverlässige Konsistenz.

Die Studie hob auch hervor, dass bestimmte physische Merkmale des Tumors für sich genommen starke Indikatoren waren. Die Länge des Tumors und das Vorhandensein eines Stiels wurden beide als unabhängige Risikofaktoren für eine Muskelinvasion bestätigt. Ein Tumor mit einem Stiel, der wie eine dünne Verbindung zur Blasenwand aussieht, war weniger wahrscheinlich invasiv in den Muskel eingedrungen, während längere Tumore wahrscheinlicher in die Tiefe gegangen waren. Die Habitat-Analyse fügte jedoch eine Ebene der Einsicht hinzu, die diese sichtbaren Merkmale allein nicht bieten konnten. Durch die Quantifizierung der unsichtbaren internen Landschaft des Tumors lieferte die Habitat-Methode ein klareres Bild des Verhaltens der Krankheit. Die Forscher nutzten eine Methode, um zu erklären, warum das Modell seine Entscheidungen traf, und bestätigten, dass der spezifische Habitat-Typ tatsächlich die treibende Kraft hinter den verbesserten Vorhersagen war.

Trotz dieser vielversprechenden Ergebnisse waren die Autoren vorsichtig, die Grenzen ihrer Arbeit zu benennen. Die Studie wurde in einem einzelnen medizinischen Zentrum durchgeführt, und das Modell wurde noch nicht an Patienten aus anderen Krankenhäusern oder anderen Populationen getestet. Dies bedeutet, dass die Ergebnisse ohne weitere Tests nicht universell anwendbar sein könnten. Zudem konnten die Forscher, obwohl der Computer vier verschiedene Habitate identifizierte, diese digitalen Regionen noch nicht direkt mit biologischen Geweben wie toten Zellen oder hoher Durchblutung verknüpfen, da sie in dieser spezifischen Studie keine Gelegenheit hatten, die MRT-Scans direkt mit den chirurgischen Gewebeproben abzugleichen. Sie räumten ein, dass zukünftige Forschung größere Patientengruppen und externe Validierungen erfordern würde, um zu beweisen, dass die Methode überall funktioniert.

Das ultimative Ziel dieser Forschung ist es, Ärzten ein nicht-invasives Werkzeug an die Hand zu geben, um vor einer Operation bessere Entscheidungen zu treffen. Wenn ein Scan einem Arzt zuverlässig sagen kann, dass ein Tumor nicht in den Muskel eingedrungen ist, kann der Patient eine große Operation und die schweren Nebenwirkungen einer Chemotherapie vermeiden. Wenn der Scan hingegen darauf hindeutet, dass der Muskel betroffen ist, kann das medizinische Team sofort einen aggressiveren Behandlungsplan vorbereiten. Die Studie legt nahe, dass die Betrachtung der internen „Habitate“ eines Tumors einen neuen Weg bietet, um zu verstehen, was im Körper geschieht – weg von einfachen Bildern hin zu einem tieferen Verständnis der Natur der Krankheit. Obwohl sich die Methode noch in einem frühen Stadium befindet und weiterer Tests bedarf, stellt sie einen bedeutenden Schritt dar, um die Diagnose von Blasenkrebs präziser und weniger invasiv für die Patienten zu machen.