NSCLC nach stereotaktischer Strahlentherapie: Vorhersage lokaler Rezidive mithilfe von Radiomics-Modellen

Forschende aus den USA haben kürzlich über die Entwicklung eines Radiomics-Modells zur Vorhersage lokaler Rezidive bei Nichtkleinzelligem Lungenkrebs (NSCLC) nach stereotaktischer Strahlentherapie (SBRT) berichtet.

Dieses Modell müsse zwar noch weiter validiert werden, könnte aber ein individualisiertes Monitoring sowie eine auf die einzelnen Patienten zugeschnittene Behandlungsplanung und Auswahl der adjuvanten Therapie erleichtern.

Patienten im Frühstadium der Erkrankung und nach SBRT

Das Forschungsteam arbeitete mit einem retrospektiven Fall-Kontroll-Trainingsdatenset (20 Patienten mit lokalem Rezidiv, 40 Kontrollen) und einem unabhängigen Validierungsdatenset (198 aufeinanderfolgende Fälle) mit NSCLC-Patienten in einem frühen Krankheitsstadium, die eine SBRT erhalten hatten.

Man extrahierte 102 quantitative Radiomics-Merkmale, darunter Textur, molekulare/zelluläre Beschaffenheit des Tumors, räumliche Merkmale, Form und Oberflächenmerkmale. Diese Eigenschaften wurden in drei separate multivariable Modelle eingespeist.

Auswertung von Scans vor und nach SBRT

Zweck dieser Modelle war die Vorhersage des Rezidivrisikos auf der Grundlage von Scans vor und nach der SBRT sowie der Differenz zwischen den Scans vor und nach der SBRT (Delta-Modell). Das Modell vor der SBRT wurde anschließend in einem unabhängigen Validierungssatz bewertet.

Mithilfe des Boruta-Algorithmus wählte man 13 unabhängige Variablen aus. Sensitivität, Spezifität und Fläche unter der Kurve (AUC) der Modelle vor der SRBT lagen bei 85 Prozent, 90 Prozent und 0,91. Nach der SBRT betrugen die entsprechenden Werte 85 Prozent sowie 92,5 Prozent und 0,9.

Für das Delta-Modell ermittelten die Forschenden eine Sensitivität von ebenfalls 85 Prozent, eine Spezifität von 92,5 Prozent und eine AUC von 0,94. Das Modell vor der SBRT wurde im unabhängigen Validierungssatz bewertet (AUC 0,89; Konfidenzintervall 0,83–0,92), da dieses Modell als dasjenige eingeschätzt wurde, dass eine individualisierte Behandlungsplanung am stärksten unterstützte.

(ac)