Analyzing the Prognostic Value of Radiomic Variables from PET-CT with [18F]FDG in a Retrospective Cohort of Patients with Adrenocortical Carcinoma
Deze retrospectieve proof-of-concept studie toont aan dat radiomische kenmerken afgeleid van [18F]FDG PET/CT, met name wanneer deze worden geïntegreerd in machine learning-modellen, potentieel prognostische waarde vertonen voor het voorspellen van de 5-jaars overleving bij patiënten met adrenocorticaal carcinoom, waarbij zij CT-gebaseerde modellen overtreffen ondanks de noodzaak voor grotere validatiestudies.
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
In de zeldzame en gevaarlijke wereld van adrenocorticaal carcinoom, een kanker die ontstaat uit de buitenste laag van de bijnieren, kampen artsen met een constante strijd om te voorspellen hoe het ziekteverloop van een patiënt zal verlopen. Deze kwaadaardige tumor is agressief en moeilijk te behandelen, en vereist vaak een combinatie van chirurgie en medicatie. Om de beste koers te bepalen, vertrouwen artsen momenteel op het onderzoeken van weefselmonsters onder een microscoop en het meten van specifieke biologische markers, zoals de snelheid waarmee de cellen zich delen. Deze methoden vertellen echter slechts een deel van het verhaal. In de afgelopen jaren is een vakgebied genaamd radiomics opgekomen, dat een nieuwe manier biedt om naar medische beelden te kijken. In plaats van alleen met het blote oog naar een scan te kijken om te zien of een tumor groot of klein is, gebruikt radiomics computers om honderden kleine, verborgen patronen uit de afbeelding zelf te extraheren. Deze patronen beschrijven de textuur en structuur van de tumor op manieren die onzichtbaar zijn voor het menselijk oog, wat potentieel aanwijzingen geeft over de ware aard van de kanker en hoe deze op behandeling zou kunnen reageren.
Een team onderzoekers in Brazilië heeft onlangs onderzocht of deze technologie kan helpen bij het voorspellen van de toekomst van patiënten met deze specifieke kanker. Ze richtten zich op een type medische scan genaamd PET-CT, die een standaard röntgencomputertomografiebeeld combineert met een positron emissietomografie-scan. Bij deze procedure krijgt de patiënt een kleine hoeveelheid radioactieve suikermoleculen die het lichaam gebruikt voor energie. Omdat kankercellen hongerig zijn en snel groeien, absorberen ze veel meer van deze suiker dan gezond weefsel. De scanner maakt vervolgens een kaart die precies laat zien waar deze suiker wordt verbruikt. De onderzoekers verzamelden gegevens van tweeëntwintig patiënten die de diagnose adrenocorticaal carcinoom hadden gekregen en die deze scan hadden ondergaan voordat zij aan enige behandeling begonnen. Hun doel was om te zien of de gedetailleerde patronen gevonden in deze suermetabolisme-kaarten hen meer konden vertellen over de overlevingskansen van de patiënt dan de huidige standaardmethoden.
Het team begon met het zorgvuldig omlijnen van de tumoren op de scans, een proces dat ze tweemaal uitvoerden om ervoor te zorgen dat hun metingen consistent waren. Ze ontdekten dat verschillende waarnemers het in meer dan tachtigzes procent van de gevallen eens waren over de vorm en grootte van de tumoren, een niveau van overeenstemming dat hen vertrouwen gaf in hun gegevens. Vervolgens voedden ze de computer met een enorme lijst kenmerken afgeleid van de beelden, inclusend hoe helder de tumor verscheen, hoeveel suiker deze in totaal consumeerde en de complexe textuur van de suikerverdeling. Om zin te krijgen in deze enorme hoeveelheid informatie, gebruikten ze een wiskundige techniek om de gegevens terug te brengen tot de belangrijkste onderdelen, vergelijkbaar met het samenvatten van een lang boek tot de belangrijkste hoofdstukken. Vervolgens trainden ze computerprogramma's om naar deze kenmerken te kijken en te voorspellen of een patiënt vijf jaar zou overleven.
De resultaten lieten zien dat de computermodellen gebouwd op basis van de PET-scandata vrij goed waren in het maken van deze voorspellingen. Het meest succesvolle model, dat een specifiek type algoritme gebruikte, voorspelde de uitkomsten met een hoge mate van nauwkeurigheid. Interessant genoeg presteerden de modellen die uitsluitend vertrouwden op de suermetabolisme-informatie van de PET-scan beter dan die die alleen naar de standaard röntgenbeelden keken. Dit suggereert dat de biologische activiteit van de tumor, zoals te zien aan de manier waarop deze suiker consumeert, meer waardevolle informatie bevat voor de prognose dan de fysieke vorm van de tumor alleen. De onderzoekers zochten ook naar verbanden tussen deze beeldpatronen en bekende biologische markers. Ze ontdekten dat hoewel de standaardmetingen niet sterk verbonden waren met de snelheid van de celdeling, er een aanwijzing was dat tumoren met een hogere totale sugerconsumptie geassocieerd zouden kunnen zijn met een specifieke genetische verandering bekend als de p53-mutatie, hoewel dit verband niet sterk genoeg was om als definitief bewijs te worden beschouwd in deze kleine groep.
Ondanks deze veelbelovende bevindingen benadrukken de onderzoekers voorzichtig dat hun studie een eerste verkenning is in plaats van een definitief antwoord. De groep van tweeëntwintig patiënten was vrij klein, wat de zekerheid over de resultaten beperkt. Ze erkennen dat hun computermodellen mogelijk te specifiek zijn afgestemd op deze specifieke groep mensen en anders kunnen reageren bij een grotere, meer diverse groep patiënten. De studie dient als een bewijs van concept, waarbij wordt aangetoond dat de verborgen details binnen een PET-scan het potentieel hebben om krachtige instrumenten te worden voor het begrijpen van deze zeldzame kanker. De auteurs concluderen dat hoewel de technologie veelbelovend is, de volgende stap moet zijn om deze ideeën te testen in veel grotere studies met veel meer patiënten in verschillende ziekenhuizen om te bevestigen dat deze patronen werkelijk betrouwbare gidsen voor de toekomst zijn.
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.