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

Nella lotta contro il tumore al polmone in fase avanzata, i medici hanno un nuovo e potente strumento: farmaci che risvegliano il sistema immunitario del paziente per attaccare il tumore. Questi trattamenti, noti come inibitori dei checkpoint immunitari, hanno cambiato il panorama delle cure, offrendo speranza dove prima ce n'era poca. Tuttavia, non funzionano per tutti. Alcuni pazienti vedono i propri tumori rimpicciolirsi drasticamente, mentre altri non vedono alcun cambiamento o addirittura una crescita temporanea e fuorviante, che è in realtà il sistema immunitario che si sta raccogliendo le forze. Lo standard attuale per verificare se un farmaco stia funzionando si basa sulla misurazione della dimensione del tumore tramite una TC. Questo metodo, pur essendo utile, è spesso troppo lento per cogliere i segnali sottili e precoci di successo o fallimento, e può essere ingannato dal complesso modo in cui questi farmaci interagiscono con l'organismo. Gli scienziati speravano da tempo che l'analisi computerizzata delle immagini mediche, un campo chiamato radiomica, potesse trovare modelli nascosti che prevedano chi risponderà prima ancora che il tumore cambi dimensione. Ma i precedenti tentativi di utilizzare questi modelli informatici su singole scansioni statiche sono stati incoerenti, fallendo spesso nel separare i veri segnali biologici dal rumore derivante dalle diverse macchine e tecniche di scansione.

Un team di ricercatori della Lanzhou University e della University of Cambridge ha deciso di affrontare questo problema in modo diverso. Invece di chiedere cosa possa rivelare una singola immagine di un tumore, si sono chiesti cosa possa rivelare la storia del cambiamento. Si sono concentrati sui pazienti che ricevevano il primo ciclo di immunoterapia e hanno confrontato due scansioni: una effettuata prima dell'inizio del trattamento e un'altra effettuata alcune settimane dopo, mentre il trattamento era ancora in corso. Analizzando come la texture interna del tumore si evolvesse tra questi due momenti, piuttosto che solo quanto fosse grande, cercavano di scoprire un segnale più chiaro del fatto che il farmaco stesse funzionando. Il loro studio, che ha coinvolto 156 pazienti, rivela che la chiave per prevedere una risposta a breve termine non risiede nell'aspetto del tumore in un singolo momento, ma nel modo specifico in cui la sua struttura interna si trasforma mentre il sistema immunitario interagisce con esso.

I ricercatori hanno iniziato raccogliendo i dati dei pazienti che avevano ricevuto scansioni TC con mezzo di contrasto, che utilizzano un colorante speciale per far risaltare chiaramente vasi sanguigni e tessuti. Hanno mappato attentamente i tumori e il tessuto immediatamente circostante, estraendo migliaia di minuscoli dettagli numerici dai pattern di scala di grigi all'interno delle immagini. Questi dettagli descrivono la texture del tessuto — quanto la struttura interna appaia ruvida, liscia o complessa — piuttosto che solo la sua forma o dimensione. Hanno poi costruito modelli informatici per vedere se questi numeri potessero prevedere se un paziente sarebbe stato un "responder", ovvero se il suo tumore si sarebbe rimpicciolito o scomparso, o un "non-responder".

I risultati sono stati sorprendenti. Quando il team ha esaminato solo la scansione effettuata prima dell'inizio del trattamento, i modelli informatici erano essenzialmente nel campo delle congetture. Non riuscivano a distinguere tra i pazienti che avrebbero eventualmente risposto e quelli che non lo avrebbero fatto, con prestazioni non migliori del caso. Anche le informazioni cliniche a disposizione dei medici, come l'età, la storia del fumo e il farmaco specifico utilizzato, non sono riuscite a fornire una previsione affidabile. Tuttavia, nel momento in cui i ricercatori hanno osservato il cambiamento tra la prima e la seconda scansione, il quadro è diventato chiaro. Un modello basato sulla differenza di texture tra le due scansioni ha previsto con successo l'esito a breve termine con un'elevata precisione. Ciò suggerisce che il potere predittivo non si trova nello stato iniziale del tumore, ma in come esso si trasforma sotto la pressione del trattamento.

Fondamentalmente, lo studio ha dimostrato che questo successo era guidato dalla texture, non dal semplice fatto che il tumore si stesse rimpicciolendo. I ricercatori hanno testato se il modello fosse solo un modo sofisticato per misurare il rimpicciolimento, che è già catturato dalle regole standard basate sulle dimensioni. Hanno scoperto che anche rimuovendo tutte le misurazioni relative alla forma e alla dimensione del tumore, il modello rimaneva altrettanto accurato. In effetti, gli indizi più importanti erano i cambiamenti nei pattern interni del tumore, come la disposizione dei pixel che rappresentano la densità e l'organizzazione cellulare. Ciò indica che il sistema immunitario sta alterando il paesaggio microscopico del cancro molto prima che il volume complessivo del tumore cambi abbastanza da essere visto a occhio nudo o dagli strumenti di misurazione standard.

Il team ha anche indagato dove risiedesse questo segnale. Esiste una credenza comune secondo cui il tessuto che circonda il tumore sia un campo di battaglia critico per il sistema immunitario e possa contenere gli indizi più importanti. Per testare questo, i ricercatori hanno analizzato il tumore stesso, il tessuto immediatamente circostante e una combinazione di entrambi. Hanno scoperto che il segnale predittivo era più forte e affidabile osservando solo il tumore stesso. Aggiungere il tessuto circostante non ha migliorato la previsione; in alcuni casi, ha solo aggiunto rumore. Questa scoperta mette in discussione l'assunto che la periferia sia sempre l'area più informativa, suggerendo che, per la risposta a breve termine, i cambiamenti che avvengono all'interno del nucleo del tumore siano i più rivelatori.

Sebbene il modello fosse eccellente nel prevedere se un paziente avrebbe risposto a breve termine, la sua capacità di prevedere la sopravvivenza a lungo termine era più limitata. I ricercatori hanno scoperto che i cambiamenti di texture potevano separare moderatamente i pazienti in gruppi con diversi rischi di progressione della malattia, ma non potevano prevedere la sopravvivenza globale. Ciò è probabilmente dovuto al fatto che la sopravvivenza è influenzata da molti fattori che avvengono dopo il trattamento iniziale, come terapie successive o altri problemi di salute, che diluiscono il segnale iniziale. Lo studio conclude che, sebbene questi cambiamenti di texture longitudinali siano un potente sistema di allerta precoce per capire se un farmaco stia funzionando, non sono una palla di cristallo per l'intero corso della malattia.

Le implicazioni di questo lavoro sono significative per il modo in cui i medici potrebbero monitorare il trattamento del cancro in futuro. Suggeriscono che aspettare che un tumore si rimpicciolisca non sia l'unico modo per giudicare il successo. Concentrandosi sui sottili cambiamenti di texture che si verificano nelle prime settimane di terapia, i clinici potrebbero essere in grado di identificare i non-responder molto prima, risparmiandoli dagli effetti collaterali di un farmaco che non funziona e permettendo loro di passare a un trattamento diverso più rapidamente. Lo studio evidenzia anche l'importanza di guardare al cambiamento nel tempo piuttosto che a istantanee statiche, un principio che potrebbe applicarsi a molti settori dell'imaging medico. Tuttavia, i ricercatori sottolineano con cautela che le loro scoperte provengono da un singolo centro e devono essere confermate in gruppi di pazienti più ampi e diversificati prima di poter essere utilizzate come uno standard nella cura clinica. Per ora, questo lavoro offre una comprensione più chiara di ciò che le immagini ci stanno effettivamente dicendo: che la storia della risposta di un tumore è scritta nel suo cambiamento di texture, non solo nella sua dimensione.