KI-Analyse routinemäßiger CT-Aufnahmen sagt voraus, wer von einer fortgeschrittenen Brustkrebstherapie profitiert
Bildgebende Biomarker, die ursprünglich bei Lungenkrebs, Melanomen und Darmkrebs entwickelt wurden, sagten auch bei 106 Frauen mit fortgeschrittenem HR+/HER2-negativem Brustkrebs den Behandlungserfolg voraus.
Zusammenfassung
Ärztinnen und Ärzte brauchen bessere Möglichkeiten, frühzeitig zu erkennen, ob ein Krebsmedikament wirkt. Forschende haben untersucht, ob computergestützt gemessene Merkmale von CT-Aufnahmen, die ursprünglich bei Lungenkrebs, Melanom und Darmkrebs entwickelt wurden, den Behandlungserfolg bei fortgeschrittenem hormonrezeptorpositivem, HER2-negativem Brustkrebs vorhersagen können. Sie werteten die Aufnahmen von 106 Patientinnen aus einer klinischen Studie zu Exemestan und Everolimus mit oder ohne Xentuzumab erneut aus. Sieben von acht Bildgebungsmarkern unterschieden Patientinnen, die profitierten, von jenen, die nicht profitierten. Eine geringere Tumorlast, insbesondere in der Leber, deutete auf ein besseres Ansprechen hin. Ein KI-Modell, das zusätzlich Knochenszintigramme einbezog, wies auf dieselben Faktoren hin. Die Arbeit ist ein Machbarkeitsnachweis (Proof of Concept). Sie muss in größeren, unabhängigen Gruppen validiert werden, bevor sie die Versorgung leiten kann.
Detaillierte Zusammenfassung
Brustkrebs ist weltweit die häufigste krebsbedingte Todesursache bei Frauen, und die Überlebensrate sinkt stark, sobald er streut. Die Fünfjahresüberlebensrate beträgt 31,9 % bei Fernmetastasen gegenüber 86,7–99,6 % bei lokoregionärer Erkrankung. Hormonrezeptor-positive Tumoren werden häufig resistent gegen eine endokrine Therapie. mTOR-Inhibitoren wie Everolimus haben das Gesamtüberleben im Allgemeinen nicht verbessert, möglicherweise weil sie den Signalweg des insulinähnlichen Wachstumsfaktors (IGF) hochregulieren. Xentuzumab, ein Antikörper, der IGF-Liganden neutralisiert, ist ein Versuch, dieses Problem zu überwinden. Werkzeuge, die früh zeigen, ob ein Therapieschema wirkt, würden die Arzneimittelentwicklung beschleunigen und Patientinnen eine unwirksame Behandlung ersparen.
Diese retrospektive Analyse nutzte Daten einer randomisierten Phase-Ib/II-Studie (NCT02123823, Mai 2014–Oktober 2016) zu Exemestan und Everolimus mit oder ohne Xentuzumab. Von 140 eingeschlossenen Patientinnen lagen bei 106 auswertbare kontrastmittelverstärkte CT-Aufnahmen zu Studienbeginn und in Woche 8 vor. Die übrigen 34 wurden ausgeschlossen, weil die Originalbilder nicht übermittelt worden waren. Von den 106 erhielten 51 die Dreifachkombination und 55 das Zweifachschema. Das Durchschnittsalter betrug 59,7 Jahre (SD 9,3), und 71,7 % waren weiß. Radiologen segmentierten semiautomatisch jede erkennbare Läsion und beurteilten das Ansprechen nach RECIST 1.1.
Das Team testete acht Bildgebungs-Biomarker, die zuvor in fünf Studien zu Lungenkrebs, Melanom und Darmkrebs entwickelt worden waren. Diese Studien umfassten 1.866 Trainings- und 1.906 Validierungspatienten. Die Biomarker waren das Lebertumorvolumen, das Gesamttumorvolumen und zwei Radiomics-Merkmale der Tumorheterogenität (Komponenten 4 und 6), jeweils zu Studienbeginn und als Veränderung bis Woche 8 gemessen. Die Patientinnen wurden in zwei Gruppen eingeteilt: kein klinischer Nutzen (Gruppe A: 28, alle mit Progression) oder klinischer Nutzen (Gruppe B: 78, darunter 66 mit stabiler Erkrankung, 11 mit partiellem Ansprechen und 1 mit vollständigem Ansprechen).
Sieben von acht Biomarkern unterschieden die Gruppen signifikant. Nur die Veränderung der Komponente 6 bis Woche 8 verfehlte dies. Das Lebertumorvolumen und seine Veränderung wiesen die höchsten AUC-Werte auf, gefolgt von der Veränderung des Gesamttumorvolumens und den Komponenten 4 und 6 zu Studienbeginn. Das Lebervolumen zu Studienbeginn erreichte eine AUC von 79,0 % (95-%-KI 69,3–88,7), mit einer Spezifität von 85,7 % und einer Sensitivität von 68,0 % beim optimalen Schwellenwert. Gruppe B hatte geringere Leber- und Gesamttumorvolumina zu Studienbeginn und im Verlauf und zeigte bis Woche 8 deutliche Veränderungen der Tumorheterogenität.
Ein ergänzendes KI-Modell verwendete 40 Variablen: 3 klinische und 37 Bildgebungsmerkmale, darunter die Anzahl der Läsionen in den Knochenszintigrafien zu Studienbeginn. Die stärksten Prädiktoren für das beste Gesamtansprechen waren Veränderungen des Lebertumorvolumens und des Gesamttumorvolumens während der Behandlung sowie die Anzahl osteoblastischer Läsionen in den Knochenszintigrafien zu Studienbeginn. Dies ist der erste Versuch der Gruppe, eine multimodale Signatur aus CT und Knochenszintigrafie zu entwickeln, und er stützt die Übertragbarkeit von Markern zwischen Krebsarten und Behandlungen.
Die Ergebnisse sind ein Machbarkeitsnachweis und noch nicht für den klinischen Einsatz geeignet. Die Analyse war retrospektiv und stammte aus einer einzigen Studie. Etwa ein Viertel der Patientinnen wurde wegen fehlender Bildgebung ausgeschlossen, und die meisten in der Gruppe mit klinischem Nutzen hatten eine stabile Erkrankung statt einer Tumorverkleinerung. Die Autoren fordern weitere Validierung, bevor eine krebsartenübergreifende und behandlungsübergreifende Anwendung erfolgen kann. Drei Autoren sind bei Boehringer Ingelheim beschäftigt.
Wichtigste Erkenntnisse
- 106 of 140 trial patients had usable baseline and week 8 CT scans; 28 had no clinical benefit (all progressive disease) and 78 did (66 stable disease, 11 partial response, 1 complete response)
- Seven of eight CT imaging biomarkers developed in lung, melanoma and colorectal cancer significantly predicted clinical benefit in HR+/HER2-negative breast cancer
- Only the week 8 change in radiomics Component 6 failed to discriminate the groups
- Liver tumor volume and its change by week 8 had the highest predictive AUCs, followed by the change in overall tumor volume
- Baseline liver volume reached an AUC of 79.0% (95% CI 69.3–88.7) with 85.7% specificity and 68.0% sensitivity
- Patients with clinical benefit had lower baseline and follow-up liver and overall tumor volumes and marked changes in tumor heterogeneity by week 8
- In the 40-variable AI model, key drivers were changes in liver and overall tumor volume and the number of osteoblastic lesions on baseline bone scans
Methodik
Dies war eine retrospektive Analyse einer randomisierten Phase-Ib/II-Studie (NCT02123823) zu Exemestan und Everolimus mit oder ohne Xentuzumab. Von 140 eingeschlossenen Patientinnen und Patienten wurden 106 mit auswertbarer CT zu Studienbeginn und in Woche 8 berücksichtigt (51 unter Dreifachtherapie, 55 unter Zweifachtherapie). Radiologen führten eine halbautomatische volumetrische Segmentierung der Läsionen durch, extrahierten Radiomics-Merkmale und beurteilten das Ansprechen nach RECIST 1.1. Der primäre Endpunkt war die AUC von acht vorab festgelegten Biomarkern für den klinischen Nutzen. Als signifikant galt ein zweiseitiges P<0,05 mit Bonferroni-Korrektur. Ein ergänzendes KI-Modell nutzte 40 Variablen (3 klinische, 37 bildgebende), um das beste Gesamtansprechen vorherzusagen. Die Berichterstattung folgte den Richtlinien STARD und TRIPOD.
Studienlimitierungen
Die Analyse war retrospektiv, stützte sich auf eine einzige Studie und schloss 34 von 140 Patienten aus, da die Bilddaten nicht übermittelt wurden. Der klinische Nutzen wurde vor allem durch stabile Erkrankung bestimmt, und die Autoren betonen, dass vor einem Einsatz über verschiedene Krebsarten und Behandlungen hinweg eine breitere Validierung erforderlich ist. Drei Autoren sind bei Boehringer Ingelheim beschäftigt, und das ergänzende KI-Modell war explorativ.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: