Blog

Software GUI showing two examples of tumor measurements and texture analysis

Forschung mit mint: Studie zeigt die Vorhersagekraft von klinischen und CT-Biomarkern

Eine kürzlich durchgeführte retrospektive Studie [1] von Forschern des Universitätsklinikums Tübingen konzentrierte sich auf die Identifizierung bildgebender und klinischer Prädiktoren für das Gesamtüberleben und das Ansprechen auf die Behandlung bei Patienten mit metastasiertem Melanom, die sich einer Immuntherapie unterziehen.

 

Fortschritte in der Immuntherapie haben die Prognose für Patienten mit metastasiertem Melanom verbessert. Allerdings treten bei mehr als der Hälfte der Patienten Resistenzen gegen Immun-Checkpoint-Inhibitoren und andere Arten der Immuntherapie auf. „Daher ist die Identifizierung von Prädiktoren für das Ansprechen auf die Therapie und die Überlebenschancen bei diesen Patienten von entscheidender Bedeutung und könnte dazu beitragen, die Patienten für die richtige Therapiewahl zu stratifizieren“, erklärte PD Dr. Othman. „Die vorliegende Studie ist unseres Wissens nach die erste, die ausschließlich aus der Basis-CT-Bildgebung extrahierte Imaging Biomarker in einer repräsentativen Kohorte von Patienten mit metastasiertem Melanom untersucht, welche sich einer Immuntherapie unterziehen, die derzeit die Therapie der Wahl ist.“

 

103 Patienten wurden retrospektiv ausgewählt und nach dem Zufallsprinzip der Trainings- (n=69) und Validierungskohorte (n=34) zugeordnet. Klinische und bildgebende Biomarker sowie CT-Texturmerkmale wurden von der größten Target-Läsion (RECIST 1.1) zu Beginn der Studie extrahiert:

  • Klinische Tumormarker (Serum-Laktat-Dehydrogenase (LDH) und das kalziumbindende Protein S100B),
  • CT-Imaging-Biomarker (Tumorlast und Choi-Dichte) und
  • CT-Texturparameter (Entropie, Kurtosis, Skewness, Uniformität, Mean of positive Pixels (MPP) und Uniformity of positive Pixel Distribution (UPP))

 

mint Lesion wurde zur Extraktion der CT-Biomarker und der flächenbezogenen Texturparameter erster Ordnung sowie zur Beurteilung des Behandlungsansprechens gemäß RECIST 1.1 eingesetzt.

 

In der Trainingskohorte wurde die Baseline S100B als klinischer Prädiktor für das Gesamtüberleben (OS) bestätigt, mit einer Hazard Ratio (HR) von 2,543 in der multivariablen Analyse (p = 0,018). Die Baseline RECIST 1.1 Tumorlast (als Summe der längsten Durchmesser der Target-Läsionen) und Kurtosis wurden ebenfalls als unabhängige Prädiktoren für OS identifiziert (HR = 1,657, p = 0,002 und HR = 1,611, p < 0,001). Die drei Prädiktoren wurden in der Validierungskohorte bestätigt (p < 0,048). In Kombination mit den S100B-Werten bei der Baseline zeigten Tumorlast und Kurtosis eine inkrementelle Prädiktionsfähigkeit (C-Index = 0,720).

 

S100B wurde aus allen analysierten klinischen und bildgebenden Parametern als einziger Prädiktor für das Ansprechen auf die Behandlung beim ersten Follow-Up anerkannt (OR = 0,630, p = 0,022).

 

„Wir haben unabhängige klinische (S100B) und bildgebende Prädiktoren (Tumorlast und Kurtosis) bei Patienten mit metastasiertem Melanom, die sich einer Immuntherapie unterziehen, identifiziert, die in Kombination eine gute Vorhersagekraft für das Überleben der Patienten haben“, schlussfolgern die Autoren. Weitere Studien sind notwendig, um die mögliche Vorhersagekraft von Radiomics-Merkmalen höherer Ordnung zu bewerten.

 

[1] Schraag A., Klumpp B., Afat S., Nikolaou K., Eigentler T. K., Othman A. E. (2019) Baseline clinical and imaging predictors of treatment response and overall survival of patients with metastatic melanoma undergoing immunotherapy, European Journal of Radiology, https://doi.org/10.1016/j.ejrad.2019.108688

 

Zurück