Preoperative prediction of muscle invasion in bladder cancer: a preliminary development and validation of diffusion-weighted-imaging-based habitat analysis

Blaaskanker is een ziekte waarbij het voering van de blaas ongecontroleerd groeit, maar niet alle gevallen zijn gelijk. Het meest cruciale onderscheid dat artsen vóór een operatie moeten maken, is of de kanker diep genoeg is gegroeid om de spierwand van de blaas te infiltreren. Als dat niet het geval is, bestaat de behandeling vaak uit een kleine ingreep om de tumor weg te schrapen. Als dat wel het geval is, wordt de ziekte veel ernstiger en is agressieve chemotherapie, bestraling of zelfs het verwijderen van de gehele blaas vereist. Decennialang was de enige manier om zeker te weten of de spier is geïnfiltreerd het uitvoeren van een biopsie, een procedure waarbij een scoop in de blaas wordt gebracht om een weefselmonster te nemen. Dit proces is invasief, kan pijnlijk zijn en mist soms de diepere lagen van de tumor. Artsen hopen al lang dat een eenvoudige scan dit antwoord kan bieden zonder de noodzaak van een naald of een scoop, maar de interne structuur van een tumor is vaak te complex voor standaardbeelden om duidelijk te onthullen.

Een team van onderzoekers van het Zhongshan Hospital en gelieerde instellingen in China heeft onlangs geprobeerd dit probleem op te lossen door naar blaastumoren op een nieuwe manier te kijken. Ze concentreerden zich op een type magnetische resonantie-imaging genaamd diffusie-gewogen imaging, die meet hoe watermoleculen zich in het lichaam bewegen. In gezond weefsel beweegt water vrij, maar in een tumor zitten de cellen zo dicht op elkaar gepakt dat het water vast komt te zitten. De onderzoekers realiseerden zich dat een tumor geen uniforme blok cellen is; het is een lappendeken van verschillende omgevingen, sommige met dichte cellen, sommige met een slechte doorbloeding en sommige met dood weefsel. Om deze complexiteit te vangen, ontwikkelden ze een methode genaamd "habitatanalyse". In plaats van de hele tumor als één enkel object te behandelen, gebruikten ze een computer om de tumor op te splitsen in afzonderlijke subregio's, of habitats, gebaseerd op hoe het water in elk minuscuul puntje bewoog. Ze keken vervolgens of de specifieke mix van deze habitats kon voorspellen of de kanker de spierwand had bereikt.

De studie begon met 175 patiënten die de diagnose blaaskanker hadden gekregen. Voordat er een operatie of biopsie plaatsvond, onderging elke patiënt een gedetailleerde MRI-scan met een krachtige 3.0 Tesla-machine. De artsen vroegen de patiënten vooraf water te drinken om de blaas te vullen, zodat het orgaan uitgerekt en gemakkelijk te zien was. De scans bevatten standaardbeelden om de vorm van de tumor te tonen, evenals gespecialiseerde sequenties die de beweging van watermoleculen volgden. Twee ervaren radiologen, die niet op de hoogte waren van de uiteindelijke pathologische resultaten, onderzochten deze beelden zorgvuldig. Ze maten de grootte van de tumoren, controleerden op kenmerken zoals een steel die de tumor met de blaaswand verbindt, en merkten de aanwezigheid van bloedingen op.

De kern van het onderzoek bestond uit het invoeren van de gegevens van de waterbewegingsscans in een computerprogramma. Het programma analyseerde de gehele tumor en groepeerde de pixels in vier verschillende habitats op basis van hun unieke diffusiepatronen. Dit proces was volledig ongesuperviseerd, wat betekent dat de computer de patronen zelfstandig vond zonder te worden verteld waar hij naar moest zoeken. De onderzoekers vergeleken vervolgens de samenstelling van deze habitats bij patiënten die later spierinfiltrerende kanker bleken te hebben, tegenover patiënten bij wie dat niet het geval was. Ze vonden een duidelijk verschil: patiënten met spierinfiltrerende kanker hadden een significant groter aandeel van één specifiek type habitat, die de onderzoekers "Habitat 1" noemden. Ho hoewel dit type habitat sterk geassocieerd was met spierinfiltratie, merkten de onderzoekers op dat zij, vanwege technische uitdagingen en ethische overwegingen, deze digitale regio's in deze specifieke studie niet definitief konden koppelen aan specifieke biologische weefsels, zoals gebieden met een hoge celdichtheid of necrose.

Om te testen of dit bevinding daadwerkelijk artsen kon helpen, bouwde het team een voorspellingsmodel. Ze combineerden de gegevens uit de habitatanalyse met standaard klinische informatie, zoals de leeftijd van de patiënt en de grootte van de tumor, en de visuele kenmerken die op de MRI te zien waren, zoals de lengte van de tumor en de aanwezigheid van een steel. Ze creëerden een statistisch hulpmiddel genaamd een nomogram, dat werkt als een rekenmachine voor artsen. Toen ze dit nieuwe model testten, bleek het nauwkeuriger in het voorspellen van spierinfiltratie dan modellen die alleen op klinische feiten of standaard MRI-beelden vertrouwden. Het nieuwe model, dat de habitatgegevens bevatte, identificeerde het risico op spierinfiltratie correct in 77,7% van de gevallen, een merkbare verbetering ten opzichte van de 0,74 AUC van de oudere methoden. De onderzoekers gebruikten ook een techniek om te controleren of het model niet simpelweg willekeurig gokte; ze controleerden hoe goed de voorspelde waarschijnlijkheden overeenkwamen met de werkelijke uitkomsten, en de resultaten toonden een sterke, betrouwbare consistentie.

De studie benadrukte ook dat bepaalde fysieke kenmerken van de tumor sterke indicatoren op zichzelf waren. De lengte van de tumor en de aanwezigheid van een steel werden beide bevestigd als onafhankelijke risicofactoren voor spierinfiltratie. Een tumor met een steel, die eruitziet als een dunne verbinding met de blaaswand, was minder waarschijnlijk in de spier geïnfiltreerd, terwijl langere tumoren eerder diep waren gegaan. Echter, de habitatanalyse voegde een laag inzicht toe dat deze zichtbare kenmerken alleen niet konden bieden. Door het onzichtbare interne landschap van de tumor te kwantificeren, gaf de habitatmethode een duidelder beeld van het gedrag van de ziekte. De onderzoekers gebruikten een methode om uit te leggen waarom het model zijn beslissingen nam, waarmee werd bevestigd dat het specifieke habitattype inderdaad de drijvende kracht was achter de verbeterde voorspellingen.

Ondanks deze veelbelovende resultaten waren de auteurs voorzichtig met de beperkingen van hun werk. De studie werd uitgevoerd in één medisch centrum en het model is nog niet getest op patiënten uit andere ziekenhuizen of andere populaties. Dit betekent dat de bevindingen niet universeel van toepassing kunnen zijn zonder verdere tests. Bovendien, hoewel de computer vier verschillende habitats identificeerde, konden de onderzoekers deze digitale regio's nog niet koppelen aan specifieke biologische weefsels, zoals dode cellen of hoge doorbloeding, omdat zij in deze specifieke studie niet de gelegenheid hadden om de MRI-scans direct met de chirurgische weefselmonsters te matchen. Zij erkenden dat toekomstig onderzoek grotere groepen patiënten en externe validatie zou moeten omvatten om te bewijzen dat de methode overal werkt.

Het uiteindelijke doel van dit onderzoek is om artsen een niet-invasief hulpmiddel te geven om betere beslissingen te nemen voordat een patiënt een operatie ondergaat. Als een scan betrouwbaar kan aangeven aan een arts dat een tumor de spier niet heeft geïnfiltreerd, kan de patiënt een grote operatie en de zware bijwerkingen van chemotherapie vermijden. Omgekeerd, als de scan suggereert dat de spier betrokken is, kan het medische team direct een agressiever behandelplan voorbereiden. De studie suggereert dat het kijken naar de interne "habitats" van een tumor een nieuwe manier biedt om te zien wat er binnen het lichaam gebeurt, waarbij men verder gaat dan eenvoudige plaatjes naar een dieper begrip van de aard van de ziekte. Hoewel de methode nog in een vroeg stadium verkeert en meer testen vereist, vormt het een belangrijke stap naar het maken van de diagnose van blaaskanker preciezer en minder invasief voor patiënten.