Longitudinal intratumoral and peritumoral MRI radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced head and neck squamous cell carcinoma: a retrospective two-center study
Deze retrospectieve twee-centra-studie toont aan dat een klinisch-spatiotemporeel radiomicsmodel, dat longitudinale intratumorale en peritumorale MRI-kenmerken integreert met clinicopathologische factoren, de preoperatieve voorspelling van pathologische complete respons op neoadjuvante chemo-immunotherapie bij lokaal gevorderd hoofd- en halsplatcelcarcinoom significant verbetert.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Plaveiselcelcarcinoom van hoofd en hals is een veelvoorkomende vorm van kanker die de keel, de mond en het strottenhoofd aantast. Wanneer de ziekte in een gevorderd stadium wordt ontdekt, gebruiken artsen vaak een krachtige combinatie van chemotherapie en immunotherapie vóór de operatie om de tumor te laten krimpen. Deze aanpak, bekend als neoadjuvante chemo-immunotherapie, heeft als doel de operatie gemakkelijker en succesvoller te maken. Niet elke patiënt reageert echter op dezelfde manier op deze behandeling. Sommige patiënten ervaren een volledige verdwijning van de kankercellen, een resultaat dat artsen een pathologische complete respons noemen, terwijl anderen weinig verandering zien. Momenteel is de enige manier om zeker te weten of de behandeling heeft gewerkt, door de tumor chirurgisch te verwijderen en onder een microscoop te onderzoeken. Dit creëert een moeilijke situatie: als een patiënt niet goed reageert, kan deze een behandeling blijven ontvangen die bijwerkingen veroorzaakt zonder voordeel, of kan de kanker groeien terwijl men wacht op de uiteindelijke operatie. Artsen hebben een manier nodig om de uitkomst te voorspellen voordat het mes wordt opgepakt, maar standaard scans die simpelweg de tumorgrootte meten, missen subtiele veranderingen die zich binnen het weefsel afspelen.
Om dit op te lossen, keken onderzoekers van het Beijing Tongren Hospital en de Zhengzhou University naar een ander soort beeld. Ze bestudeerden 31 even met gevorderde hoofd-halskanker die de pre-chirurgische medicijncombinatie ontvingen. Het team gebruikte magnetische resonantie-imaging, of MRI, om twee keer foto's van de tumoren te maken: één keer voordat de behandeling begon en nogmaals na de tweede ronde van de medicijnen. In plaats van alleen naar de grootte van de tumor te kijken, gebruikten ze een techniek genaamd radiomics. Deze methode behandelt de MRI-scan als een digitale kaart en extraheert duizenden minuscule details over de textuur, patronen en interne structuur van het weefsel die onzichtbaar zijn voor het menselijk oog. De onderzoekers richtten zich op twee specifieke gebieden: de tumor zelf en de dunne laag weefsel direct daaromheen, de peritumorale regio genoemd. Zij geloofden dat de grens waar de tumor het gezonde weefsel ontmoet, aanwijzingen zou kunnen bevatten over hoe het lichaam terugvecht.
De wetenschappers bouwden een reeks computermodellen om te zien welke combinatie van informatie het beste werkte. Ze begonnen met eenvoudige modellen die alleen gebruikmaakten van de patiëntgeschiedenis, zoals leeftijd en rookgewoonten, en voegden daarna de MRI-gegevens toe. Ze testten modellen die alleen naar de tumor keken, modellen die alleen naar het omliggende weefsel keken, en modellen die veranderingen in de loop van de tijd volgden. De meest succesvolle aanpak combineerde alles. Ze creëerden een model dat keek naar hoe de textuur van de tumor veranderde van de eerste scan naar de tweede, terwijl het ook onderzocht hoe het omliggende weefsel evolueerde. Cruciaal was dat ze ontdekten dat het kijken naar een specifieke strook weefsel van drie millimeter breed rond de tumor de meest nuttige informatie bood, meer dan wanneer er naar een dunnere of bredere band werd gekeken.
Toen de onderzoekers deze gedetailleerde, op tijd gebaseerde beeldgegevens combineerden met specifieke medische feiten over de patiënten, zoals de graad van de kankercellen en het niveau van een specifieke immuunmarker genaamd de combined positive score, creëerden ze hun definitieve voorspellingsinstrument. Dit uitgebreide model was in staat om met hoge nauwkeurigheid te voorspellen of een patiënt een complete respons zou bereiken. In de groep patiënten waarmee de betrouwbaarheid van het model werd getest op nieuwe gegevens, behaalde het een AUC van 0,857 voor het identificeren van patiënten die een complete respons zouden hebben en een AUC van 0,845 voor diegenen die dat niet zouden hebben. Het model presteerde consistent goed over verschillende patiëntengroepen en verschillende ziekenhuizen, wat suggereert dat het robuust is.
De studie sloot expliciet de mogelijkheid uit dat een enkel momentopname van de tumor of een blik op alleen de tumor voldoende zou zijn. Modellen die alleen vertrouwden op één tijdstip of het weefsel rond de tumor negeerden, presteerden aanzienlijk slechter. Het onderzoek toonde ook aan dat standaard klinische factoren alleen, zoals de leeftijd van de patiënt of het stadium van de kanker, niet voldoende waren om nauwkeurige voorspellingen te doen. De belangrijkste bevinding was dat de dynamische veranderingen die tijdens de behandeling plaatsvinden, vastgelegd door het volgen van de tumor en de directe omgeving in de loop van de tijd, een unieke en noodzakelijke laag informatie boden.
De onderzoekers vertaalden hun complexe wiskundige model naar een eenvoudig visueel diagram, een nomogram genoemd, dat artsen in een kliniek kunnen gebruiken. Door de specifieke details van een patiënt en de resultaten van hun MRI-scans in te voeren, kan een arts een persoonlijke waarschijnlijkheid krijgen van of de behandeling volledig zal werken. Dit instrument biedt een manier om risico's te beoordelen vóór de operatie, wat artsen potentieel in staat stelt om behandelplannen aan te passen voor patiënten die waarschijnlijk niet zullen reageren, of om minder agressieve chirurgische opties te overwegen voor diegenen die waarschijnlijk een volledige genezing zullen bereiken. Hoewel de studie retrospectief werd uitgevoerd, wat betekent dat er naar gegevens uit het verleden is gekeken, en de onderzoekers opmerkten dat verdere tests nodig zijn om deze resultaten in toekomstige klinische studies te bevestigen, demonstreert het werk dat het combineren van tijd, ruimte en klinische details een krachtige nieuwe manier biedt om uitkomsten van kankerbehandelingen te begrijpen en te voorspellen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.