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

Il cancro non è una singola malattia, ma una collezione di disturbi definiti da quanto velocemente le cellule si dividono e da quanto aggressivamente si diffondono. Nel rene, la forma più comune di cancro è il carcinoma a cellule chiare del rene, un tumore che può variare enormemente nel suo comportamento da un paziente all'altro. Alcuni crescono lentamente e rimangono contenuti, mentre altri sono rapidi e pericolosi. Per capire quale sia il caso, i medici spesso cercano una specifica proteina all'interno delle cellule tumorali chiamata Ki-67. Questa proteina agisce come un interruttore molecolare che viene attivato solo quando una cellula si sta preparando attivamente a dividersi. Più Ki-67 è presente, più frenetica è l'attività cellulare e maggiore è la probabilità che il tumore sia aggressivo. Tuttavia, scoprire quanta di questa proteina sia presente richiede solitamente un intervento chirurgico per rimuovere il tumolo e poi l'analisi del tessuto al microscopio. Questo processo invasivo significa che i medici spesso non possono conoscere la vera natura del tumore finché l'operazione non è già stata eseguita.

Un team di ricercatori dell'Ospedale Secondario dell'Università di Lanzhou ha sviluppato un modo per sbirciare queste informazioni nascoste prima ancora che il paziente venga sottoposto a chirurgia. Utilizzando le classiche TAC, che sono come radiografie tridimensionali dettagliate, hanno creato uno strumento matematico in grado di prevedere il livello di attività della Ki-67 con una precisione sorprendente. Lo studio si è concentrato su 213 pazienti che avevano già subito un intervento chirurgico per questo tipo di tumore renale. I ricercatori hanno esaminato a ritroso le immagini TC effettuate prima degli interventi e le hanno combinate con semplici risultati di analisi del sangue e con la dimensione dei tumori. Hanno scoperto che la texture interna del tumore, come appare nella scansione, contiene indizi su quanto velocemente si moltiplicano le cellule. Combinando questi dettagli visivi con gli esami del sangue del paziente, hanno costruito una guida che aiuta i medici a stimare l'aggressività del tumore in anticipo, permettendo decisioni più informate sul trattamento prima che venga fatta la prima incisione.

I ricercatori hanno iniziato raccogliendo i dati dei pazienti trattati tra gennaio 2022 e dicembre 2024. Hanno diviso il gruppo in due set: un gruppo più numeroso per costruire il loro modello e un gruppo più piccolo per testarlo. Per ogni paziente, hanno esaminato le scansioni TC effettuate in due momenti specifici in cui il mezzo di contrasto scorreva attraverso i reni. Hanno anche esaminato le analisi del sangue dei pazienti, contando specificamente il numero di monociti, un tipo di globulo bianco, e calcolando il rapporto tra neutrofili e linfociti, altri due tipi di cellule immunitarie. Hanno misurato la dimensione del tumore e hanno analizzato attentamente i pattern di scala di grigi all'interno del tumore sulla scansione. Questa analisi dei pattern, nota come analisi dell'istogramma, osserva come è distribuita la luminosità di ogni minuscolo pixel all'interno del tumore. Invece di guardare solo la luminosità media, hanno misurato quanto la distribuzione fosse irregolare o "asimmetrica", un dettaglio che può rivelare variazioni nascoste nella struttura del tessuto.

Utilizzando un algoritmo informatico, il team ha setacciato decine di potenziali indizi per trovare i quattro che contavano di più. Hanno scoperto che la dimensione del tumore, il conteggio dei monociti del paziente, il rapporto tra neutrofili e linfociti e la specifica asimmetria della luminosità del tumore sulla scansione erano i predittori più forti. Questi quattro fattori sono stati combinati in un unico grafico visivo, chiamato nomogramma. Questo grafico permette a un medico di inserire i numeri specifici di un paziente e vedere una probabilità calcolata se il tumore presenti un'espressione di Ki-67 alta o bassa. Quando hanno testato questo strumento sul gruppo di pazienti utilizzato per costruirlo, ha raggiunto un'AUC di 0,86. Quando lo hanno testato sul gruppo separato di pazienti utilizzato per la validazione, l'AUC è rimasta altrettanto alta, circa 0,86.

Lo studio ha dimostrato che questo approccio combinato era molto migliore rispetto all'osservazione di un singolo fattore da solo. Ad esempio, guardare solo la dimensione del tumore o solo i conteggi del sangue non era sufficiente per fare una previsione affidabile. La forza risiedeva nella combinazione. I ricercatori hanno anche verificato quanto bene le loro previsioni corrispondessero alla realtà usando test statistici, e i risultati hanno mostrato un forte accordo tra ciò che il modello prevedeva e ciò che è stato effettivamente riscontrato nei rapporti patologici dopo l'intervento. Hanno inoltre dimostrato che l'uso di questo strumento fornirebbe un esito clinico migliore rispetto al semplice trattamento di ogni paziente nello stesso modo o all'ignorare del rischio. Il modello ha evidenziato con successo che i tumori con livelli di Ki-67 più elevati tendevano a essere più grandi, presentavano texture interne più irregolari nella scansione e erano associati a specifici pattern di infiammazione nel sangue.

Sebbene i risultati siano promettenti, i ricercatori sottolineano con cautela che si è trattato di uno studio retrospettivo, il che significa che hanno esaminato dati passati piuttosto che seguire i pazienti nel tempo. I dati provengono da un singolo ospedale e il metodo si basa su tipi specifici di scansioni TC, il che significa che lo strumento deve essere testato in altri contesti e con attrezzature diverse per garantire che funzioni universalmente. Inoltre, lo studio non ha monitorato quanto tempo i pazienti siano vissuti dopo il trattamento, quindi la capacità dello strumento di prevedere la sopravvivenza a lungo termine resta da vedere. Tuttavia, il lavoro offre un passo avanti significativo nella medicina non invasiva. Trasformando una normale scansione TC e un comune esame del sangue in una finestra sulla biologia del tumore, questo modello offre ai medici un nuovo modo per comprendere il nemico prima che la battaglia abbia inizio, potenzialmente risparmiando ai pazienti procedure non necessarie o garantendo loro l'intensità di cura corretta fin dall'inizio.