Open Access

Oleg Elenberger

• Auf Grund einer hohen Inzidenz und Mortalität, welche in den nächsten Jahren voraussichtlich eine deutliche Zunahme erfahren wird, stellt die Behandlung eines HCC an alle beteiligten Fächer der Medizin, sowie an den Patienten und die Patientin, eine enorme Herausforderung dar. In der klinischen Routine hat sich die TACE, nicht nur bei Patienten im intermediären Stadium der Erkrankung, etabliert, sodass im Laufe der Erkrankung nahezu jeder zweite Patient mindestens eine TACE-Behandlung bekommt. Der mit Radiomics betitelte, im medizinischen Bereich relativ junge, Forschungszweig beschäftigt sich mit der Idee, dass in den Schnittbildern eine für das menschliche Auge nicht sichtbare Ebene von Informationen vorliegt, welche mit den richtigen Mitteln extrahiert, relevante Daten und Informationen zur Genetik, Phänotypie und Pathophysiologie des Tumors liefern kann. Hier greift der Ansatz dieser Arbeit an. In dieser Arbeit wird die Hypothese postuliert, dass durch die Auswertung und Integration von Lipiodolablagerungen in der Zielläsion nach der ersten durchgeführten TACE eine zuverlässigere Prognose zum Therapieansprechen und Gesamtüberleben mit Hilfe von Radiomics möglich ist, als dies klinische Scores alleine erlauben. Dazu wurde in dieser Arbeit ein Patientenstamm von 61 Patienten untersucht. Alle Patienten litten an einem histologisch gesicherten HCC. Bei allen Patienten wurden innerhalb eines Zeitintervalls von 6 Monaten drei TACE durchgeführt mit einer nachfolgenden Verlaufskontrolle mittels kontrastmittelgestützter MRT oder CT. In einem dezidierten, mehrstufigen Verfahren wurden aus der nativen 24 Stunden postinterventionellen CT-Kontrolle die Lipiodol anreichernden HCC-Herde segmentiert. Aus diesem segmentierten 3-D Bilddatensatz wurde eine Vielzahl von bildgebenden Biomarkern, Features, extrahiert. Die Features wurden im weiteren Prozess selektiert, redundante und nicht reproduzierbare Features wurden für das weitere Vorgehen verworfen. Aus den vorliegenden Daten der Patienten wurden Informationen selektiert, mit welchen insgesamt 5 klinische Scores berechnet wurden, diese Scores wurden im weiteren Verfahren ebenfalls als Features angesehen. Mehrere Machine Learning-Algorithmen wurden mit der Zielvariable: Größenregredienz des Tumors nach TACE als Folge eines annehmbaren Therapieansprechens, angelernt. Das beste Ergebnis lieferte ein ML-Algorithmus mit einem Random Forrest Klassifikator auf der Grundlage des kombinierten, aus Radiomics-Features und klinischem Score-Features bestehendem Featuresets. Um die initial aufgestellte Hypothese zu überprüfen wurde die Zielvariable von Größenregredienz der TL auf OS verändert. Die Performance des ML-Algorithmus in Bezug auf die neu definierte Zielvariable OS wurde hierbei mit dem C-index bewertet. Im Test-Set liegt ein C-Index von 0,67 vor. Das kombinierte Modell aus klinischem Score und Radiomics zeigt hierbei eine Überlegenheit gegenüber dem klinischen Score allein (C-Index 0,58) und dem Radiomics score (C-Index 0,60). Dies bestätigt die aufgestellte Hypothese. Das kombinierte Modell hat die Fähigkeit, anhand der Lipiodolanreicherung in der 24 Stunden postinterventionell durchgeführten CT, zur Prädiktion eines Gesamtüberlebens von HCC-Patienten nach einer TACE. Die Patienten mit der kürzesten und längsten Überlebenszeit innerhalb der Studienpopulation dienten als Grundlage für eine Kaplan-Meier-Schätzung und Berechnung eines Risiko-Scores (siehe Abbildung 37). Dabei zeigt sich eine signifikante Differenz zwischen den Risiko-Scores. Eine Kurve dieser Art könnte zukünftig theoretisch als Schätzung zur Überprüfung der Indikation einer TACE- Wiederholung für einzelne Patienten dienen. Für eine entsprechende Generalisierbarkeit sind weiterführende Studien zur Validierung nötig. Unsere Studie liefert hier erste vielversprechende Hinweise, wobei unsere Limitationen nicht zu vernachlässigen sind, wie im Detail diskutiert. Zusammenfassend zeigt unsere Arbeit, dass ein von uns definierter kombinierter Score, bestehend aus bildgebenden Biomarkern (Radiomics) und einem klinischen Score (m- HAP-II-Score), eine Prognose zum Gesamtüberleben nach der ersten TACE- Behandlung liefern kann. Mit Hilfe dieses kombinierten Scores war es in unserer Studienkohorte möglich abzuschätzen, ob ein Patient von weiteren TACE-Prozeduren profitieren würde. Der Behandlungsalgorithmus könnte auf dieser Basis individuell angepasst werden. Der kombinierte Score hätte somit nicht nur das Potenzial Nebenwirkungen zu verhindern und Kosten im System einzusparen, sondern ebenfalls den Patienten potentiell individuell effektiveren Therapiealternativen zuzuführen.
• Due to a high incidence and mortality, which is expected to increase significantly in the coming years, the treatment of HCC is an enormous challenge for all medical disciplines involved, as well as for the patient. In clinical routine, TACE has become established, not only for patients in the intermediate stage of the disease, so that in the course of the disease almost every second patient receives at least one TACE treatment. Radiomics, a relatively new branch of research in the medical field, deals with the idea that there is a layer of information in the cross-sectional images that is not visible to the human eye, which, extracted with the right tools, can provide relevant data and information on the genetics, phenotype and pathophysiology of the tumor. This is where the approach of this work comes into play. In this work the hypothesis is postulated that by evaluating and integrating lipiodol deposits in the target lesion after the first performed TACE, a more reliable prognosis on treatment response and overall survival is possible using radiomics than clinical scores alone allow. For this purpose, a patient population of 61 patients was studied in this work. All patients had histologically confirmed HCC. In all patients, 3 TACE treatments were performed within a time interval of 6 months with subsequent follow-up by contrastenhanced MRI or CT. Lipiodol-enrhancing HCC foci were segmented from native 24-h post-interventional CT follow-up in a dedicated, multistage procedure. From this segmented 3-D image dataset, a variety of imaging biomarkers, features, were extracted. The features were selected in the further process, redundant and non-reproducible features were discarded for further procedure. From the available data of the patients, information was selected with which a total of 5 clinical scores were calculated, these scores were also considered as features in the further process. Several machine learning algorithms were trained with the target variable: tumor size regression after TACE as a consequence of an acceptable treatment response. The best result was provided by an ML algorithm with a Random Forrest classifier based on the combined feature set consisting of radiomics features and clinical score features. In order to test the initial hypothesis, the target variable was changed from size regredience of TL to OS. The performance of the ML algorithm with respect to the newly defined target variable OS was evaluated with the C-index. The combined model of clinical score and radiomics showed superiority over the clinical score alone (C-index 0.58) and the radiomics score (C-index 0.60) with a Test-Set C-index of 0,67. This confirms the hypothesis. The combined model had the ability, based on lipiodol accumulation in 24-h postinterventional CT, to predict overall survival of HCC patients after TACE. The patients with the shortest and longest survival within our study population served as the basis for a Kaplan-Meier estimate and calculation of a risk score. This revealed a significant difference between the risk scores. A curve of this type could theoretically serve as an estimate to verify the indication of repeat TACE for individual patients. Further validation studies are needed for appropriate generalizability. Our study provides some promising evidence in this regard, although our limitations are not negligible, as discussed in detail. In summary, our work shows that a combined score we defined, consisting of imaging biomarkers (radiomics) and a clinical score (m-HAP-II score), can provide a prognosis on overall survival after the first TACE treatment. Using this combined score, it was possible in our study cohort to assess whether a patient would benefit from further TACE procedures. The treatment algorithm could be individually adjusted on this basis. The combined score would thus not only have the potential to prevent side effects and save costs in the system, but also to potentially direct the patient individually to more effective treatment alternatives.