El modelo de IA específico de género avanza en la comprensión de la progresión del glioblastoma y la respuesta al tratamiento

0
2
El modelo de IA específico de género avanza en la comprensión de la progresión del glioblastoma y la respuesta al tratamiento

Distinguir en las imágenes actuales entre progresión de la enfermedad y pseudoprogresión en pacientes con glioblastoma es uno de los problemas clínicos más difíciles, según Manmeet Ahluwalia, MD y Pallavi Tiwari, PhD.

A pesar de los avances en el tratamiento del glioblastoma primario (quimioterapia, radioterapia y cirugía), la enfermedad sigue teniendo un mal pronóstico y los pacientes suelen sobrevivir entre 15 y 18 meses. Los médicos enfrentan numerosos desafíos cuando atienden a los 15 000 estadounidenses diagnosticados con glioblastoma cada año.

Entre los problemas clínicos más difíciles está distinguir en las imágenes actuales entre la progresión de la enfermedad y la pseudoprogresión, particularmente después del tratamiento con temozolomida (Temodar), debido a los cambios inflamatorios que ocurren en el cerebro después del tratamiento con quimioterapia y radiación. El efecto benigno de la radiación relacionado con el tratamiento y la recurrencia tumoral “verdadera” se mimetizan clínica y radiográficamente. La pseudoprogresión ocurre en alrededor del 40 por ciento de los pacientes, y la mayoría de ellos albergan tumores metilados con O6 -metilguanina-ADN metiltransferasa. El resultado es que un gran número de pacientes con cambios benignos relacionados con la quimiorradiación a menudo se someten a imágenes adicionales y, a veces, a cirugía o biopsias intracraneales innecesarias e invasivas.

La investigación en evolución está demostrando ser valiosa para distinguir los efectos de la radiación de la recurrencia del tumor. Sobre la base de un estudio anterior de nuestro grupo que sugirió que las diferencias de género deberían considerarse una influencia en el resultado pronóstico1 y un estudio más reciente para identificar vías de señalización que impulsan la biología y el tratamiento de tumores específicos del sexo2Estamos avanzando en los próximos pasos para generar lo que creemos que serán herramientas poderosas y más precisas en la estratificación del riesgo de pacientes con glioblastoma para la toma de decisiones personalizada.

Al minar y extraer características computacionales que no son visibles para los radiólogos o los médicos, es posible mapear y distinguir entre los cambios relacionados con la radiación y la progresión del tumor. Financiado por una subvención R01 NIH (1R01CA264017-O1A1), nuestro grupo está trabajando en el desarrollo de un clasificador de riesgo de recurrencia basado en imágenes (IRRisC) “específico del sexo”, que empleará enfoques avanzados de radiómica y aprendizaje automático para distinguir los efectos de la radiación y la recurrencia del tumor , para hombre y mujer. Excepcionalmente, a diferencia de los enfoques de aprendizaje profundo y aprendizaje automático de “caja negra” que se han explorado previamente en la literatura, IRRisC aprovechará las características de imagen “hechas a mano” que capturan la heterogeneidad de la enfermedad subyacente existente en los tumores GBM, a través de mediciones de entropía de gradiente local. (grado de trastorno asociado con la agresividad), así como una nueva clase de atributos de deformación biofísica y topología de superficie, características que capturan el microambiente tumoral en secuencias de resonancia magnética de rutina (Gd-T1w, T2w, FLAIR).

Nuestros resultados hasta ahora en el análisis preliminar han sido muy prometedores con una precisión cercana al 90 % para distinguir la necrosis por radiación comprobada histológicamente de la recurrencia del tumor, en una cohorte de conjuntos de datos multiinstitucionales. Nuestro objetivo es demostrar el valor de IRRisC como apoyo para la toma de decisiones (para complementar a los neurorradiólogos en la toma de decisiones) en una cohorte mucho más grande de casos confirmados histológicamente de necrosis por radiación y recurrencia tumoral a través de nuestras colaboraciones multiinstitucionales que involucran a Case Western, Miami Cancer Institute , Universidad de Washington-Madison, Universidad Northwestern y Clínica Cleveland. La colaboración también incluirá GE Research, a través de la cual extenderemos estas herramientas de diagnóstico para implementarlas en una plataforma en la nube. La plataforma en la nube proporcionará a IRRisC un alcance y accesibilidad global, tanto dentro de las clínicas y hospitales dentro de los EE. UU. como a nivel internacional. Además, la investigación tiene implicaciones para las terapias inmunoterapéuticas para el glioblastoma, que también puede causar inflamación en el cerebro que en realidad no es indicativa de un crecimiento tumoral agresivo.

A medida que lideramos el desarrollo de estas herramientas de diagnóstico mejoradas en colaboración con GE Research, tenemos la esperanza de que esta iniciativa de cinco años nos permita pasar a los ensayos clínicos y, en última instancia, a mejorar la calidad de vida de los pacientes con GBM.

REFERENCIAS:

1. Atlas probabilísticos específicos de género de glioblastoma revelan el impacto de la ubicación del tumor en la supervivencia libre de progresión. https://doi.org/10.1093/neuonc/noz175.333. Publicado el 11 de noviembre de 2019.

2. Los modelos radiogenómicos sexualmente dimórficos identifican distintas vías biológicas y de imagen que pronostican la supervivencia general en el glioblastoma. https://doi.org/10.1093/neuonc/noaa231. Publicado febrero 25, 2021.

.

LEAVE A REPLY

Please enter your comment!
Please enter your name here