Bild-basierte Subtypisierung des lokal fortgeschrittenen Pankreaskarzinoms

Das pankreatische duktale Adenokarzinom (PDA) hat eine äußerst schlechte Prognose aufgrund eines häufig bereits bei Erstdiagnose fortgeschrittenen Tumorstadiums sowie einer Resistenz gegenüber gebräuchlichen Chemotherapien. Genom, Transkriptom und Proteom dieser Tumore zeichnen sich durch ein hohes Maß an Heterogenenität aus, welches sich in einer komplexen Gewebearchitektur mit unterschiedlichen molekularen Phänotypen widerspiegelt: dem klassischen Phänotyp mit einer etwas besseren Ansprechrate und dem besonders aggressiven quasi-mesenchymalen Phänotyp.

Derzeit existieren keine zuverlässigen Biomarker zur Differenzierung dieser Subtypen im klinischen Alltag. Ursächlich hierfür ist u.a. wiederum die starke Heterogenität, die eine repräsentative Probenentnahme und histopathologische sowie molekulare Aussage erschwert. Die medizinische Bildgebung liefert Informationen zum gesamten Tumorvolumen. Aktuelle Entwicklungen in dem Bereich Maschinelles Lernen (z.B. Radiomics) zeigen vielversprechende Ergebnisse hinsichtlich einer nicht-invasiven Tumor Charakterisierung und Risiko Stratifizierung basierend auf medizinischen Bilddaten. Die translationale Entwicklung und Testung solcher prognostischen Modelle erfordert eine standardisierte Datenmatrix.

Die klinische Phase II NEOLAP Studie (NCT02125136) gehört zu den größten randomisierten prospektiven Studien deren Ziel es ist die intensivierte neoadjuvante Chemotherapie im Stadium des lokal fortgeschrittenen PDAC zu evaluieren. Die im Rahmen der NEOLAP Studie prospektiv gesammelten Bilddatensätze, Tumorproben und klinische Informationen bieten eine einzigartige Gelegenheit zur Entwicklung und Testung oben genannter Bild-basierter Algorithmen.

Eine finale Zusammenfassung des Projektes folgt.