Evaluation fortgeschrittener CT-basierter Radiomics und Machine Learning Parameter zur Patientenstratifizierung und Beurteilung des Therapieansprechens im duktalen Adenokarzinom des Pankreas

• Antragsteller: Dr. Felix Harder
• Fachliche Zuordnung: Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung von 2022 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 508329183

Das duktale Adenokarzinom des Pankreas (PDAC) gehört zu den tödlichsten Krebsarten weltweit. Dies spiegelt sich in einer verheerenden 5-Jahres-Überlebensrate von nur 9 % wieder. Darüber hinaus steigt die Inzidenz des PDAC, und es wird bis zum Jahr 2030 den zweiten Platz unter den krebsbedingten Todesfällen in den Vereinigten Staaten einnehmen. Ein besonderes Merkmal des PDAC ist das hohe Maß an genomischer, transkriptomischer und metabolischer Heterogenität. Die düstere Prognose sowie die charakteristische intra- und intertumorale Heterogenität unterstreichen die Notwendigkeit einer präziseren Patientenstratifizierung und einer genaueren Beurteilung bzw. Vorhersage des Therapieansprechens, um die Überlebensrate langfristig zu verbessern. Routinemäßig angewendete Schnittbildverfahren haben jedoch nur einen begrenzten Stellenwert hinsichtlich der Beurteilung des Therapieansprechens und der Patientenstratifizierung beim PDAC. Auf künstlicher Intelligenz basierende Algorithmen könnten helfen, dieses Problem zu überwinden und den Weg zu einer individualisierten Präzisionsonkologie zu ebnen. Allerdings mangelt es den bisherigen Studien auf diesem Gebiet insbesondere an ausreichenden Kohortengrößen, Standardisierung und Verfügbarkeit korrelierender histopathologischer Merkmale. Mit unserem Forschungsprojekt wollen wir zum einen ein umfassendes Stratifizierungsmodell für Patienten mit primär resektablem PDAC entwickeln, welches modernste Radiomics und Deep Learning Verfahren in der bisher größten multizentrischen und multinationalen Patientenkohorte kombiniert. Darüber hinaus wollen wir das Potenzial neuartiger umfassender nicht-invasiver bildgebungsgestützter Biomarker, einschließlich Radiogenomics-basierter feature maps, für die Vorhersage des Therapieansprechens bei Patienten mit fortgeschrittenem PDAC im Rahmen der prospektiven COMPASS-Studie evaluieren. Diese Studie umfasst > 330 Patienten mit fortgeschrittenem PDAC. Alle Patienten wurden einer umfassenden histopathologischen und genomischen Analyse unterzogen (z. B. vollständige Genomsequenzierung und RNA-Sequenzierung). Wir werden fortgeschrittene Methoden des maschinellen Lernens sowie Radiomics anwenden und mit genetischen Mutations- und Transkriptionsmerkmalen kombinieren. Mit den von uns vorgeschlagenen Forschungsprojekten wollen wir neuartige, nicht-invasive, bildgebungsgestützte Biomarker für eine bessere Patientenstratifizierung und Beurteilung bzw. Vorhersage des Therapieansprechens bei Patienten mit primär resektablem bzw. fortgeschrittenem PDAC entwickeln.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Kanada
• Gastgeber: Professor Dr. Masoom Haider