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

Kanker is niet één enkele ziekte, maar een verzameling van stoornissen die worden gedefinieerd door hoe snel cellen zich delen en hoe agressief ze zich verspreiden. In de nieren is de meest voorkomende vorm van kanker het heldercelniercelcarcinoom, een tumor die van agressie van gedrag sterk kan verschillen van patiënt tot patiënt. Sommige groeien langzaam en blijven beperkt, terwijl andere snel bewegend en gevaarlijk zijn. Om te begrijpen welke dat is, kijken artsen vaak naar een specifiek eiwit binnen de tumorcellen genaamd Ki-67. Dit eiwit werkt als een moleculaire schakelaar die alleen wordt omgezet wanneer een cel actief bezig is zich voor te bereiden op deling. Hoe meer Ki-67 aanwezig is, hoe hectischer de celactiviteit is, en hoe groter de kans dat de tumor agressief is. Het vinden van de hoeveelheid van dit eiwit vereist echter meestal een operatie om de tumor te verwijderen en vervolgens het weefsel onder een microscoop te analyseren. Dit invasieve proces betekent dat artsen de ware aard van de tumor vaak pas weten nadat de operatie al is uitgevoerd.

Een team van onderzoekers van het Tweede Universitaire Ziekenhuis van Lanzhou heeft een manier ontwikkeld om in deze verborgen informatie te kijken voordat een patiënt ooit onder het mes komt. Door gebruik te maken van standaard CT-scans, die lijken op gedetailleerde driedimensionale röntgenfoto's, hebben zij een wiskundig hulpmiddel gecreëerd dat het niveau van de Ki-67-activiteit met verrassende nauwkeurigheid kan voorspellen. De studie richtte zich op 213 patiënten die al een operatie hadden ondergaan voor dit type nierkanker. De onderzoekers keken terug naar de CT-beelden die vóór de operaties waren gemaakt en combineerden deze met eenvoudige bloedtestresultaten en de grootte van de tumoren. Ze ontdekten dat de interne textuur van de tumor, zoals te zien op de scan, aanwijzingen bevat over hoe snel de cellen zich vermenigvuldigen. Door deze visuele details te combineren met het bloedonderzoek van de patiënt, bouwden zij een gids die artsen helpt om de agressiviteit van de tumor vooraf in te schatten, wat zorgt voor meer geïnformeerde beslissingen over de behandeling voordat de eerste incisie wordt gemaakt.

De onderzoekers begonnen met het verzamelen van gegevens van patiënten die tussen januari 2022 en december 2024 werden behandeld. Ze verdeelden de groep in twee sets: een grotere groep om hun model te bouwen en een kleinere groep om het te testen. Voor elke patiënt onderzochten ze de CT-scans die op twee specifieke momenten waren gemaakt waarop contrastmiddel door de nieren stroomde. Ze keken ook naar de bloedtesten van de patiënten, specifiek naar het aantal monocyten, een type witte bloedcel, en berekenden de ratio tussen neutrofielen en lymfocyten, twee andere soorten immuuncellen. Ze maten de grootte van de tumor en analyseerden zorgvuldig de grijswaardenpatronen binnen de tumor op de scan. Deze patroonanalyse, bekend als histogramanalyse, kijkt naar hoe de helderheid van elke minuscule pixel binnen de tumor is verdeeld. In plaats van alleen naar de gemiddelde helderheid te kijken, maten ze hoe ongelijkmatig of "scheef" de verdeling was, een detail dat verborgen variaties in de weefselstructuur kan onthullen.

Met behulp van een computeralgoritme zochten de onderzoekers door tientallen potentiële aanwijzingen om de vier te vinden die er het meest toe deden. Ze ontdekten dat de grootte van de tumor, het monocytengetal van de patiënt, de ratio tussen neutrofielen en lymfocyten, en de specifieke scheefheid van de helderheid van de tumor op de scan de sterkste voorspellers waren. Deze vier factoren werden gecombineerd in een enkele visuele grafiek, een zogenaamde nomogram. Deze grafiek stelt een arts in staat om de specifieke cijfers van een patiënt in te vullen en een berekende waarschijnlijkheid te zien van of de tumor een hoge of lage Ki-67-expressie heeft. Wanneer ze dit hulpmiddel testten op de groep patiënten die werd gebruikt om het model te bouwen, bereikten ze een AUC van 0,86. Wanneer ze het testten op de aparte groep patiënten die voor validatie werd gebruikt, bleef de AUC even hoog, rond de 0,86.

De studie toonde aan dat deze gecombineerde aanpak veel beter was dan het kijken naar een enkele factor alleen. Zo was het kijken naar alleen de tumoromvang of alleen de bloedwaarden niet voldoende om een betrouwbare voorspelling te doen. De kracht kwam voort uit de combinatie. De onderzoekers controleerden ook hoe goed hun voorspellingen overeenkwamen met de werkelijkheid met behulp van statistische tests, en de resultaten toonden een sterke overeenstemming tussen wat het model voorspelde en wat er daadwerkelijk werd gevonden in de pathologieverslagen na de operatie. Ze toonden verder aan dat het gebruik van dit hulpmiddel een beter klinisch resultaat zou bieden dan het simpelweg op dezelfde manier behandelen van elke patiënt of het risico volledig negeren. Het model toonde succesvol aan dat tumoren met hogere Ki-67-niveaus de neiging hadden groter te zijn, een ongelijkmatiger interne textuur op de scan hadden, en geassocieerd waren met specifieke patronen van ontsteking in het bloed.

Hoewel de resultaten veelbelovend zijn, merken de onderzoekers er voorzichtig bij op dat dit een retrospectieve studie was, wat betekent dat ze naar gegevens uit het verleden hebben gekeken in plaats van patiënten in de toekomst te volgen. De gegevens kwamen uit één ziekenhuis en de methode is afhankelijk van specifieke soorten CT-scans, wat betekent dat het hulpmiddel in andere omgevingen en met verschillende apparatuur moet worden getest om te garanderen dat het universeel werkt. Bovendien heeft de studie niet bijgehouden hoe lang patiënten na de behandeling hebben geleefd, dus het vermogen van het hulpmiddel om de langetermijnoverleving te voorspellen moet nog worden vastgesteld. Desalniettemin vormt dit werk een belangrijke stap voorwaarts in de niet-invasieve geneeskunde. Door een standaard CT-scan en een routinematige bloedtest te veranderen in een venster op de biologie van de tumor, geeft dit model artsen een nieuwe manier om de vijand te begrijpen voordat de strijd begint, wat potentieel patiënten spaart van onnodige procedures of ervoor zorgt dat ze vanaf het begin de juiste intensiteit van zorg ontvangen.