Deep Learning: Ist eine Vorhersage des Ansprechens von lokal fortgeschrittenen Rektumkarzinomen auf eine nCRT basierend auf prätherapeutischen T2w-MRT Aufnahmen in einer Multizenterstudie möglich?

Zielsetzung Evaluierung von top-scoring Deep-Learning(DL) Algorithmen zur Vorhersage des Ansprechens von lokal fortgeschrittenen Rektumkarzinomen(LARC) auf eine neoadjuvante Radiochemotherapie(nCRT) anhand von prätherapeutischen T2-gewichteten MRT-Bildern(T2w-Bilder) in einer Multizenterstudie.

Material und Methoden Diese retrospektive Studie umfasste einen an 5 Zentren akquirierten Studiendatensatz aus 93 LARC-Patienten zum Trainieren/Validieren und einen externen klinischen Routinedatensatz aus 61 LARC-Patienten zum Testen der DL-Netze. Vor Beginn der nCRT erhielten alle Patienten eine MRT,inkl. hochaufgelöster T2w-Bilder. Das Ansprechen auf nCRT wurde nach der Operation anhand der histopathologischen Tumorregression bestimmt(Dworak Klassifikation). Insgesamt wurden 7 DL-Architekturen aus 2D-/3D-Klassifizierungansätzen in verschiedenen Settings hinsichtlich ihrer Vorhersageleistung des Therapieansprechens anhand der prätherapeutischen T2w-Bilder evaluiert.

Ergebnisse Die Trainings-/Testdatensätze unterschieden sich signifikant in ihrer Zusammensetzung,z.B. T-/N-Staging und in Bildgebungsparametern wie Auflösung, TE-/TR-Zeit, Flip-Winkel, Feldstärke. Die Area Under Curve(AUC) der Receiver Operating Characteristics der getesteten DL-Modelle in ihren jeweils besten Konfigurationen reichte durchschnittlich von 0,53 bis 0,64 und war damit geringer als zuvor publizierte Werte in Ein-/Zweizenterstudien. Die Wiederverwendung von Gewichten aus an anderen, deutlich größeren Patientenkollektiven trainierten Modellen verbesserte die Vorhersagegenauigkeit, lag aber immer noch leicht unter den zuvor berichteten Werten (AUC 0,63 vs.0,72;Zhu HT et al.,Front Oncol 2020).

Schlussfolgerungen Prätherapeutische T2w-Bilder enthalten relevante Informationen für die Vorhersage des Ansprechens von LARC auf nCRT. Die Performance der DL-Modelle in einer Multizenterstudie mit heterogenen Daten reicht derzeit nicht für eine zuverlässige Vorhersage aus. Die klinische Translation birgt jedoch ein enormes Potential hinsichtlich personalisierter Therapieansätze.

Publication History

Article published online:
13 April 2023