Assoziation von klinischen und radiomischen Parametern mit dem Krankheitsverlauf von Patientinnen und Patienten mit hepatisch metastasierten Aderhautmelanomen
ZUSAMMENFASSUNG
Die vorliegende Arbeit beschäftigte sich mit der Anwendung von Techniken der quantitativen Bildgebungsanalyse für die Erstellung prognostischer Modelle für klinische Endpunkte bei Patienten mit hepatisch metastasierten Aderhautmelanom (AHMM). Ziel der Arbeit war zu untersuchen, ob quantitative Parameter aus Datensätzen der im Rahmen der klinischen Praxis durchgeführten Bildgebung und Labordiagnostik Rückschlüsse auf den weiteren Krankheitsverlauf zulassen. Mittels „Machine learning“ wurden Modelle mit Input aus drei Domänen „Klinische und Laborparameter“, „Radiomics-Analyse der dominanten Metastase“ und „Volumetrie der Gesamt-Lebertumorlast“ entwickelt. Zur Beantwortung der Fragestellungen diente ein Kollektiv aus 103 Patienten mit hepatisch metastasiertem AHMM, die zwischen 2009 und 2015 am Universitätsklinikum Essen behandelt worden waren. Das Kollektiv wurde entsprechend des Datums der Diagnosestellung der hepatischen Metastasierung in eine Trainingskohorte (n=50) und eine Validierungskohorte (n=53) aufgeteilt. Die manuelle Segmentierung der computertomografischen Bilder wurde durch das Programm „3D Slicer“ algorithmisch unterstützt. Die statistische Modellierung erfolgte unterstützt durch ein Ensemble von Cox-Lasso Modellen getrennt für jede der drei Domänen. Die getrennten Modelle wurden anschließend in separate Modelle fusioniert. Durch Mittelung der vorhergesagten Risiken pro Patient konnten so drei kombinierte Modelle basierend auf je zwei sowie ein Modell aus der Kombination dreier Domänen berechnet werden. Ziel der Fusionierung war die Untersuchung möglicher Komplementarität und Verstärkung des potenziellen Gehaltes an prognostischer Information der kombinierten Modelle gegenüber den Einzelmodellen. Als Endpunkte wurde die Time-to-treatment-failure (TTF) und das Overall Survival (OS) als Zielvorhersageparameter untersucht. Die Ergebnisse der Modellbildung sind in Kaplan-Meier-Kurven dargestellt. Es gelang, für jede der drei Domänen ein prognostisches Modell zur Separierung der Trainingskohorte in zwei Subpopulationen mit hohem und niedrigem Risiko für die Endpunkte TTF und OS zu erstellen. Es ließ sich schlussfolgern, dass ein starker Informationsgehalt in den Einzeldomänen enthalten, jedoch keine Komplementarität zwischen den einzelnen Domänen gegeben ist. Die fusionierten Modelle zeigten keine Komplementarität und somit keine stärkere prognostische Aussagekraft als die auf jeweils einer Domäne basierenden Modelle.
Die vorliegende Arbeit beschäftigte sich mit der Anwendung von Techniken der quantitativen Bildgebungsanalyse für die Erstellung prognostischer Modelle für klinische Endpunkte bei Patienten mit hepatisch metastasierten Aderhautmelanom (AHMM). Ziel der Arbeit war zu untersuchen, ob quantitative Parameter aus Datensätzen der im Rahmen der klinischen Praxis durchgeführten Bildgebung und Labordiagnostik Rückschlüsse auf den weiteren Krankheitsverlauf zulassen. Mittels „Machine learning“ wurden Modelle mit Input aus drei Domänen „Klinische und Laborparameter“, „Radiomics-Analyse der dominanten Metastase“ und „Volumetrie der Gesamt-Lebertumorlast“ entwickelt. Zur Beantwortung der Fragestellungen diente ein Kollektiv aus 103 Patienten mit hepatisch metastasiertem AHMM, die zwischen 2009 und 2015 am Universitätsklinikum Essen behandelt worden waren. Das Kollektiv wurde entsprechend des Datums der Diagnosestellung der hepatischen Metastasierung in eine Trainingskohorte (n=50) und eine Validierungskohorte (n=53) aufgeteilt. Die manuelle Segmentierung der computertomografischen Bilder wurde durch das Programm „3D Slicer“ algorithmisch unterstützt. Die statistische Modellierung erfolgte unterstützt durch ein Ensemble von Cox-Lasso Modellen getrennt für jede der drei Domänen. Die getrennten Modelle wurden anschließend in separate Modelle fusioniert. Durch Mittelung der vorhergesagten Risiken pro Patient konnten so drei kombinierte Modelle basierend auf je zwei sowie ein Modell aus der Kombination dreier Domänen berechnet werden. Ziel der Fusionierung war die Untersuchung möglicher Komplementarität und Verstärkung des potenziellen Gehaltes an prognostischer Information der kombinierten Modelle gegenüber den Einzelmodellen. Als Endpunkte wurde die Time-to-treatment-failure (TTF) und das Overall Survival (OS) als Zielvorhersageparameter untersucht. Die Ergebnisse der Modellbildung sind in Kaplan-Meier-Kurven dargestellt. Es gelang, für jede der drei Domänen ein prognostisches Modell zur Separierung der Trainingskohorte in zwei Subpopulationen mit hohem und niedrigem Risiko für die Endpunkte TTF und OS zu erstellen. Es ließ sich schlussfolgern, dass ein starker Informationsgehalt in den Einzeldomänen enthalten, jedoch keine Komplementarität zwischen den einzelnen Domänen gegeben ist. Die fusionierten Modelle zeigten keine Komplementarität und somit keine stärkere prognostische Aussagekraft als die auf jeweils einer Domäne basierenden Modelle.