Radiômica e Câncer de Pulmão: Um Novo Caminho
Explorando o papel da imagem de TC na avaliação da resposta imunológica em câncer de pulmão.
― 7 min ler
Índice
O câncer de pulmão é a principal causa de mortes relacionadas ao câncer no mundo todo. Embora tenha havido melhorias nos tratamentos para câncer de pulmão de não pequenas células (NSCLC), a cirurgia ainda é a principal opção para muitos pacientes. No entanto, nem todo mundo pode passar por cirurgia, especialmente aqueles cujo câncer já se espalhou para além dos pulmões. Para pacientes em estágios mais avançados da doença, as opções de tratamento podem variar e muitas vezes enfrentam desafios como resistência e recorrência. Isso destaca a necessidade de novos métodos eficazes para ajudar no diagnóstico e prognóstico do câncer de pulmão.
O Papel do Sistema Imunológico
O desenvolvimento do câncer de pulmão envolve tanto o tumor em si quanto o ambiente biológico ao seu redor. Esse ambiente é moldado por uma mistura de fatores genéticos e pela interação das células cancerígenas com as células do sistema imunológico e outros tipos de células. Um aspecto importante do câncer de pulmão é a evasão imunológica, onde as células cancerígenas conseguem se esconder ou suprimir a resposta imunológica.
Uma maneira de medir como o sistema imunológico está respondendo a um tumor é através dos linfócitos infiltrantes do tumor (TILs). Essas são células imunológicas que se moveram para a área do tumor e podem indicar como o sistema imunológico está reagindo ao câncer. Diferentes tipos de células imunológicas compõem os TILs, incluindo células assassinas naturais, macrófagos e vários tipos de células T. Certos tratamentos, conhecidos como imunoterapia, mostraram melhorar as taxas de sobrevivência em pacientes com NSCLC. Dependendo de como as células imunológicas estão distribuídas dentro de um tumor, os pesquisadores categorizam os tumores em três grupos: inflamatórios, desérticos e excluídos imunologicamente. Tumores que são inflamatórios tendem a ter altas quantidades de células imunológicas específicas e geralmente respondem melhor à imunoterapia.
Atualmente, medir os TILs geralmente envolve coletar amostras de tumores por meio de cirurgia ou biópsia. Esse método tem suas limitações, pois pode ser invasivo e pode não refletir com precisão o tumor ou seu ambiente como um todo. Muitos pacientes também sofrem com efeitos colaterais relacionados às suas terapias imunológicas, o que pode afetar sua qualidade de vida e os custos com saúde. Assim, há uma necessidade de maneiras não invasivas para identificar pacientes que provavelmente se beneficiariam da imunoterapia enquanto se minimizam os riscos.
A Promessa das Técnicas de Imagem
A imagem quantitativa é uma área focada em extrair características detalhadas de imagens médicas, muitas vezes chamada de Radiômica. Usando imagens de tomografia computadorizada (TC), a radiômica pode analisar um tumor inteiro e seu entorno sem precisar de procedimentos invasivos. Essa tecnologia permite uma caracterização detalhada das características espaciais de um tumor e pode ser usada para acompanhar como o câncer muda ao longo do tempo e responde aos tratamentos.
Nosso estudo investiga se as características de radiômica das imagens de TC podem ajudar a diferenciar pacientes com base nos níveis de infiltração de linfócitos CD8+, um tipo específico de célula imunológica que desempenha um papel crucial no combate ao câncer.
Materiais e Métodos
Para realizar nosso estudo, utilizamos três conjuntos de dados disponíveis publicamente que incluíam imagens de TC e dados de expressão genética de pacientes com NSCLC. Só incluímos pacientes que tinham tanto imagens de TC quanto dados genéticos específicos.
Um conjunto de dados foi usado para treinar o modelo, enquanto outros dois serviram como conjuntos de teste. Os conjuntos de teste continham pacientes de diferentes tipos de câncer de pulmão, especificamente carcinoma de células escamosas e adenocarcinoma.
Dos pacientes avaliados, alguns tinham múltiplos tumores. Para nossa análise, focamos nos tumores que correspondiam às descrições da biópsia fornecidas.
Usamos uma plataforma dedicada para coletar dados sobre TILs para pacientes em um dos conjuntos de dados. Para os outros conjuntos, utilizamos dados disponíveis de sequenciamento de RNA para estimar perfis imunológicos.
Para classificar os pacientes em grupos de alto CD8+ e baixo CD8+, calculamos os níveis médios de CD8+ em cada conjunto de dados e definimos valores de corte específicos para cada grupo.
Extração de Características de Radiômica
A radiômica envolve reunir grandes conjuntos de características quantitativas de imagens médicas. Essas características podem fornecer insights importantes sobre as características do tumor.
Para extrair essas características, primeiro definimos as áreas de interesse nas imagens, especificamente as lesões. Um radiologista experiente revisou e ajustou as segmentações conforme necessário. Não foram aplicadas restrições de tamanho para incluir pacientes no estudo.
Usando um software especializado, transformamos as imagens de TC em um formato adequado para análise e extraímos 1246 características de radiômica de cada lesão. Essas características incluíam várias estatísticas sobre a forma e a textura dos tumores.
Análise Estatística
Uma vez que tínhamos nossas características, realizamos várias análises. Primeiro, removemos quaisquer características redundantes que não variavam muito. Em seguida, categorizamos os pacientes em dois grupos com base nos níveis de CD8+.
Diferentes testes estatísticos foram aplicados para ver se conseguíamos distinguir entre os dois grupos. Consideramos um p-valor abaixo de 0,05 como significativo.
Depois disso, usamos um modelo de regressão logística para avaliar a capacidade das características selecionadas de prever os níveis de CD8+. Validamos o modelo usando os dois conjuntos de teste independentes e medimos seu desempenho em distinguir entre altos e baixos níveis de infiltração de CD8+.
Resultados
Através da nossa análise, conseguimos identificar três características específicas de radiômica que puderam diferenciar significativamente entre altos e baixos níveis de CD8+. Essas características mostraram resultados promissores quando testadas em ambos os conjuntos de treinamento e independentes.
Uma análise adicional revelou que os padrões de imagem poderiam ser indicadores eficazes de se um paciente provavelmente responderia bem à imunoterapia.
Conclusão
O tratamento do câncer está cada vez mais se voltando para a imunoterapia, especialmente no contexto do câncer de pulmão. O ambiente imunológico dos tumores, particularmente aqueles contendo TILs, mostrou conexão com a resposta ao tratamento e taxas de sobrevivência dos pacientes.
Embora haja uma pesquisa significativa nesta área, muitas perguntas permanecem sobre como os tumores e seu microambiente interagem. Os estudos existentes frequentemente dependem de métodos invasivos para avaliar as células imunológicas, o que pode não representar com precisão a complexidade do ambiente tumoral.
Nosso estudo mostra que características extraídas da imagem de TC podem fornecer insights sobre as respostas imunológicas no câncer de pulmão. Os resultados destacam o potencial de usar a radiômica para capturar características importantes dos tumores que poderiam guiar decisões de tratamento.
Apesar dos avanços, desafios permanecem na padronização dos métodos de coleta e análise de dados em radiômica. A variabilidade nas técnicas de imagem e no processamento de dados pode impactar os resultados. Maior consistência e tamanhos de amostra maiores são necessárias para melhorar a confiabilidade dessas descobertas.
Em resumo, enquanto as técnicas de imagem mostram promessa em determinar os níveis de CD8+ nos tumores, mais trabalho é necessário para estabelecer métodos confiáveis que possam ser aplicados amplamente em ambientes clínicos. Essa abordagem oferece um caminho para terapias contra o câncer mais personalizadas, aumentando o potencial para resultados de tratamento bem-sucedidos.
Título: A CT-based radiomics approach for CD8+ lymphocytes infiltrationstratification in patients with non-small cell lung cancer
Resumo: BackgroundAccurate prediction of tumor microenvironment is crucial for optimizing decision making throughout cancer treatment process. Current biopsy or surgical-based approaches to assess tumor microenvironment are limited by their invasiveness and tumor heterogeneity. The present study aimed to investigate the association of computed tomography radiomics features and CD8+ lymphocyte infiltration levels for patients with non-small cell lung cancer. Materials and Methods283 patients with CT imaging and RNA-Seq data were collected from open-source data repositories. The study included three independent cohorts of non-small cell lung cancer patients, with one serving as the training set and the other two as external test sets. 1246 CT radiomics features were extracted. Three discriminative texture features were used to train the AI model. ResultsThe model, trained on discriminative features, achieved a mean area under the curve AUC-ROC of 0.71({+/-}0.17 std) on the training data. The AUC-ROC of the model on the two independent test sets is 0.67 (95% CI: 51%, 80%) on TCGA and 0.64 (95% CI: 51%, 74%) on LUNG3. ConclusionCT texture features can differentiate patients with high from low CD8+ lymphocyte infiltration levels. These features can non-invasively analyze the whole tumor and aid in the identification of patients that can respond to immunotherapy. Tweetable abstractTexture radiomics features on CT scans can aid in stratifying CD8+ lymphocyte infiltration levels for patients with NSCLC.
Autores: Fadila Zerka, M. FELFLI, C. VOYTON, A. THINNES, S. JACQUES, Y. LIU, A. IANNESSI
Última atualização: 2024-05-24 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2024.05.23.24307791
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.05.23.24307791.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.