Mithilfe von Daten aus der Computertomographie (CT) Bilder, die Forscher möglicherweise in der Lage, vorauszusagen, welche Patienten mit Lungenkrebs reagieren auf die Chemotherapie, entsprechend einer neuen Studie veröffentlicht in der Zeitschrift Radiologie: Künstliche Intelligenz.
Platin-basierte Chemotherapie ist in der Regel die first-line-Behandlung des fortgeschrittenen nicht-kleinzelligen Lungenkrebs (NSCLC). Jedoch nur etwa ein Viertel der Patienten spricht gut auf diese Behandlung an. Derzeit gibt es keine Möglichkeit, vorherzusagen, welche Patienten profitieren am meisten von einer Chemotherapie.
CT-Prüfungen werden routinemäßig verwendet, für die tumor-staging und Therapiekontrolle Antwort. Mit einem Bereich der Studie genannt radiomics, können die Forscher extrahieren Sie quantitative oder messbare, Daten von CT-Aufnahmen enthüllen kann Krankheit von Merkmalen, die nicht sichtbar in den Bildern allein.
„Unser Ziel in dieser Studie war es, festzustellen, ob eine frühe Vorhersage des Ansprechens auf Chemotherapie ist möglich durch die Verwendung von computer-extrahierten Messungen von mustern innerhalb und außerhalb der Lunge Knötchen, zusammen mit der Form der Knoten, auf baseline-CT-scans,“ sagte Mohammadhadi Khorrami, M. S., Ph. D. Kandidat aus dem Department of Biomedical Engineering, Case Western Reserve University School of Engineering in Cleveland, Ohio, die, zusammen mit Monica Khunger, M. D., von der Abteilung für Innere Medizin an der Cleveland Clinic, die Studie leitete.
Die Forscher dargelegt, um die Rolle der radiomic textur-features-sowohl in und um die Lunge tumor-Vorhersage der Zeit bis zur progression und Gesamtüberleben, als auch als Reaktion auf Chemotherapie bei Patienten mit NSCLC.
„Dies ist die erste Studie, zu zeigen, dass computer-extrahierten Muster von Heterogenität und Vielfalt, die von außerhalb des Tumors waren automatische Antwort zur Chemotherapie“, sagt Dr. Khunger sagte. „Das ist sehr kritisch, weil es ermöglichen kann, für die Vorhersage im Vorfeld der Therapie, die Patienten mit Lungenkrebs sind wahrscheinlicher, zu reagieren oder nicht. Dies wiederum könnte helfen, Patienten, die wahrscheinlich nicht reagieren auf die Chemotherapie für alternative Therapien wie Bestrahlung oder Immuntherapie.“
Sie analysierten die Daten von 125 Patienten, die behandelt wurden mit pemetrexed-basierte Platin doublet-Chemotherapie an der Cleveland Clinic. Die Patienten wurden zufällig aufgeteilt in zwei sets mit einer gleichen Anzahl von Respondern und non-Respondern in der Ausbildung gesetzt werden. Die Ausbildung umfasste 53 Patienten mit nicht-kleinzelligem Lungenkrebs und die Validierung set umfasste 72 Patienten.
Ein computer analysiert die CT-Bilder der Lungen-Krebs zu identifizieren die einzigartigen Muster der Heterogenität sowohl innerhalb und außerhalb des Tumors. Diese Muster wurden dann im Vergleich zwischen den CT-scans des Patienten und nicht zu reagieren auf die Chemotherapie. Diese Funktion Muster wurden dann verwendet, um Zug-ein machine-learning classifier zu identifizieren, die die Wahrscheinlichkeit, dass ein Lungenkrebs-Patienten reagieren auf Chemotherapie.
„Wenn wir uns auf Muster innerhalb des Tumors, bekamen wir eine Genauigkeit von 0.68. Aber wenn wir uns innen und außen, der Genauigkeit ging, 0.77,“ Khorrami sagte.
Die Ergebnisse zeigten, dass die radiomic Funktionen abgeleitet, die innerhalb des Tumors und der Bereich um den tumor in der Lage waren zu unterscheiden, die Patienten, die geantwortet Chemotherapie von denjenigen, die nicht. Darüber hinaus radiomic Funktionen vorhergesagten Zeit bis zur progression und Gesamtüberleben.
„Trotz der großen Zahl von Studien in den CT-radiomics Raum, die unmittelbare Umgebung tumor-Bereich, oder peritumoral region, noch relativ unerforscht sind,“ Khorrami sagte. „Unsere Ergebnisse zeigten eindeutige Beweise für die Rolle von peritumoral textur Muster in der Vorhersage der Reaktion und die Zeit bis zur progression nach Chemotherapie.“
Obwohl die Forscher nicht explizit Studie die Grundlage für die identifizierten radiomic Funktionen rund um den tumor, Sie vermuten, dass diese Muster spiegeln höhere fibrotische Inhalte in der Chemotherapie-konform Tumoren.
Nach Khorrami, die radiomic Daten aus CT-Bildern können auch potenziell helfen, um diejenigen Patienten, die ein erhöhtes Risiko für ein Rezidiv und wer könnte profitieren von intensiver Beobachtung und follow-up.