Oropharynxkarzinom: Neues KI-Tool zur Prognose

Forschende haben ein auf Künstlicher Intelligenz (KI) basierendes, nicht invasives Tool entwickelt und validiert, mit dem sich die Wahrscheinlichkeit der Ausbreitung bei Patienten mit Oropharynxkarzinom vorhersagen lässt.

„Unser Tool kann dabei helfen, zu ermitteln, welche Patienten mehrere Interventionen erhalten sollten oder ideale Kandidaten für klinische Studien zu intensiven Strategien wie Immuntherapie oder zusätzlicher Chemotherapie wären“, erklärte Benjamin Kann, MD, vom „Artificial Intelligence in Medicine Program“ am „Mass General Brigham“ in Boston (USA). „Außerdem kann das Tool kann auch dabei unterstützten, zu entscheiden bei welchen Patienten die Behandlung reduziert werden sollte, beispielsweise auf eine alleinige Operation“, ergänzte der leitende Studienautor.

Behandlungen für Oropharynxkarzinom, etwa Kombinationen aus Operation, Strahlen- und Chemotherapie, können für die Patienten schwer zu ertragen sein. Auch negative Langzeitfolgen sind möglich. Untergruppen von Patienten zu identifizieren, die von weniger oder intensiveren Behandlungsansätzen profitieren könnten, ist daher relevant.

Anzahl der Knoten mit extranodaler Ausbreitung mit KI prognostizieren

Eine Möglichkeit zur Prognose ist die Beurteilung der extranodalen Ausbreitung (ENE). Derzeit kann eine pathologische ENE nur durch die operative Entfernung und Untersuchung von Lymphknoten definitiv diagnostiziert werden.

Kann und sein Team haben ein KI-basiertes Tool entwickelt, um die ENE vor der Entscheidung über die Behandlung zu beurteilen. Das Tool wertet computertomographische (CT) Bilddaten aus, um die Anzahl der Lymphknoten mit ENE vorherzusagen – dem Indikator für die Prognose eines Patienten. So lassen sich Patienten identifizieren, die von einer intensiveren Therapie profitieren.

In ihre retrospektive Studie schlossen Kann et al. 1733 Patienten mit Oropharynxkarzinom ein. Die Studienteilnehmer waren mit definitiver Strahlentherapie behandelt worden. Die Autoren analysierten vor der Therapie generierte CT-Bilddaten. Dazu segmentierten sie maligne Lymphknoten mithilfe eines validierten Deep-Learning-Modells zur automatischen Segmentierung. Anschließend verarbeiteten die Autoren die segmentierten Lymphknoten nacheinander mit einem validierten ENE-Vorhersagemodell, um die Anzahl der Knoten mit KI-vorhergesagter ENE (KI-ENE) pro Patient zu berechnen.

Mehr Knoten mit KI-prognostizierter extranodaler Ausbreitung – schlechteres Gesamtüberleben

Die Autoren bewerteten die Zusammenhänge zwischen KI-ENE und Krankheitsverläufen mithilfe einer stratifizierten, multivariablen Cox-Regression. Dabei berücksichtigten sie HPV-Status, Packungsjahre, Tumor- und Lymphknotenstadium, Alter und Geschlecht. Außerdem bewertete das Team die Verbesserung der Risikostratifizierung bei Einbeziehung von KI-ENE in die Risikogruppierungen der Radiation Therapy Oncology Group (RTOG)-0129. Die Stadieneinteilung der 8. Ausgabe des American Joint Committee on Cancer (AJCC) leiteten die Forschenden mit Uno-C-Indizes und Entscheidungskurvenanalysen ab.

Insgesamt betrug die mediane KI-ENE-Knotenanzahl 1 (Bereich 0–6). Die KI-ENE-Knotenzahl war unabhängig mit einer schlechteren Kontrolle von Fernmetastasen (DC) (Hazard Ratio [HR] 1,44; 95 %-Konfidenzintervall [KI] 1,23–1,69]; P < 0,001) und Gesamtüberlebensrate (OS) (HR, 1,30; 95 %-KI 1,16–1,46; P < 0,001) assoziiert. Darüber hinaus war eine steigende KI-ENE-Knotenzahl zunehmend mit einem schlechteren Ergebnis verbunden, insbesondere mit einer schlechteren Kontrolle von Fernmetastasen (P < 0,001).

Die C-Indizes verbesserten sich im externen Datensatz, als die Forschenden die KI-ENE in die RTOG-0129-Gruppierungen (OS: 0,70 vs. 0,65; DC: 0,65 vs. 0,57) beziehungsweise in das AJCC-8-Stadium (OS: 0,75 vs. 0,70; DC: 0,72 vs. 0,67; P < 0,001 für jedes) einbezogen. Die größten Verbesserungen wurden bei HPV-negativen Patienten beobachtet (C-Index: +15 % für OS, +14 % für DC).

Leistungsstarker, prognostischer Biomarker bei Oropharynxkarzinom

Insgesamt konnte das KI-Tool also eine unkontrollierte Ausbreitung des Krebses und eine schlechtere Überlebensrate der Patienten vorhersagen. Die Integration der KI-Bewertung in etablierte klinische Risikovorhersagen verbesserte die Risikostratifizierung. Darüber hinaus führte sie zu genaueren Vorhersagen der Überlebensrate und der Ausbreitung des Krebses bei einzelnen Patienten.

„Das KI-Tool ermöglicht die Vorhersage der Anzahl der Lymphknoten mit ENE. Das war bisher nicht möglich. Es zeigte sich, dass es sich um einen leistungsstarken, neuartigen prognostischen Biomarker für Oropharynxkarzinome handelt. Dieser könnte zur Verbesserung des aktuellen Staging-Schemas und der Behandlungsplanung eingesetzt werden“, fasste Kann die Studienergebnisse zusammen. (ja/BIERMANN)