Algoritmos de aprendizaje automático para la detección temprana de metástasis óseas en un modelo experimental de rata

Resumen

Este protocolo fue diseñado para entrenar un algoritmo de aprendizaje automático para utilizar una combinación de parámetros de imagen derivados de la resonancia magnética (RM) y la tomografía por emisión de positrones/tomografía computarizada (PET/CT) en un modelo de rata de metástasis óseas de cáncer de mama para detectar enfermedades metastásicas tempranas y predecir la progresión posterior a macrometastasas.

Resumen

Los algoritmos de aprendizaje automático (ML) permiten la integración de diferentes características en un modelo para realizar tareas de clasificación o regresión con una precisión superior a sus componentes. Este protocolo describe el desarrollo de un algoritmo de ML para predecir el crecimiento de macrometastas óseas de cáncer de mama en un modelo de rata antes de que cualquier anomalía sea observable con métodos de diagnóstico por imágenes estándar. Este algoritmo puede facilitar la detección de la enfermedad metastásica temprana (es decir, micrometastasis) que se olvida regularmente durante los exámenes de ensayo.

El modelo de metástasis aplicado es específico del sitio, lo que significa que las ratas desarrollan metástasis exclusivamente en su pata trasera derecha. La tasa de toma de tumores del modelo es del 60%-80%, con macrometastasas cada vez más visibles en la resonancia magnética (RM) y la tomografía por emisión de positrones / tomografía computarizada (PET/CT) en un subconjunto de animales 30 días después de la inducción, mientras que un segundo subconjunto de animales no presentan crecimiento tumoral.

A partir de los exámenes de imagen adquiridos en un punto de tiempo anterior, este protocolo describe la extracción de características que indican la vascularización tisular detectada por la RMN, el metabolismo de la glucosa por PET/CT y la posterior determinación de las características más relevantes para la predicción de la enfermedad macrometastática. Estas características se introducen en una red neuronal promediada por modelos (avNNet) para clasificar a los animales en uno de dos grupos: uno que desarrollará metástasis y el otro que no desarrollará ningún tumor. El protocolo también describe el cálculo de parámetros de diagnóstico estándar, como la precisión general, la sensibilidad, la especificidad, los valores predictivos negativos/positivos, las relaciones de probabilidad y el desarrollo de una característica de funcionamiento del receptor. Una ventaja del protocolo propuesto es su flexibilidad, ya que se puede adaptar fácilmente para entrenar una gran cantidad de diferentes algoritmos de ML con combinaciones ajustables de un número ilimitado de características. Por otra parte, se puede utilizar para analizar diferentes problemas en oncología, infección, y la inflamación.

Introducción

El propósito de este protocolo es integrar varios parámetros de imagen funcionales de RMN y PET/CT en un algoritmo de ML de red neuronal promediada por modelos (avNNet). Este algoritmo predice el crecimiento de macrometastasas en un modelo de rata de metástasis óseas de cáncer de mama en un punto de tiempo temprano, cuando los cambios macroscópicos dentro del hueso aún no son visibles.

Antes del crecimiento de las macrometastasas, se produce una invasión de la médula ósea de células tumorales diseminadas, comúnmente conocida como enfermedad micrometastática^1,2. Esta invasión inicial....

Protocolo

Todos los procedimientos de cuidado y experimentalidad se realizaron de conformidad con la legislación nacional y regional en materia de protección animal, y todos los procedimientos animales fueron aprobados por el Gobierno del Estado de Franconia, Alemania (número de referencia 55.2 DMS-2532-2-228).

1. Inducción de metástasis óseas de cáncer de mama en la pata trasera derecha de ratas desnudas

NOTA: Una descripción detallada de la inducción de metástasis óseas de cáncer de mama en ratas desnudas se ha publicado en otros^{lugares 6,8}. Los pasos más relevante....

Resultados

Las ratas se recuperaron rápidamente de la cirugía y la inyección de las células de cáncer de mama MDA-MB-231 y luego fueron sometidas a imágenes de RM- y PET/CT en los días 10 y 30 PI (Figura 1). En la Figura 2Ase presenta un análisis representativo de DCE de la tibia proximal derecha de una rata. Las mediciones sin procesar DCE se guardaron seleccionando el botón"Exportar"y eligiendo "DCEraw.txt" como nombre de archivo.

Discusión

Los algoritmos de ML son potentes herramientas utilizadas para integrar varias características predictivas en un modelo combinado y obtener una precisión que supera la de sus componentes independientes cuando se usan solos. Sin embargo, el resultado real depende de varios pasos críticos. En primer lugar, el algoritmo de ML utilizado es un factor crucial, porque diferentes algoritmos de ML producen resultados diferentes. El algoritmo utilizado en este protocolo es un avNNet, pero otros algoritmos prometedores incluyen Ext.......

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Microscopio de operación binocular	Leica	NA
ClinScan MR System	Bruker	NA
DICOM Viewer	Horos	NA	www.horosproject.org
Excel: Hoja de cálculo	Microsoft	NA
FCS	Sigma	F2442-500ML
Gadovist	Bayer-Schering	NA
Inveon PET/CT	Siemens	NA
Inveon Research Workplace Software	Siemens Healthcare GmbH	NA
IVIS Spectrum	PerkinElmer	NA
MDA-MB-231 células de cáncer de mama humano	Type Culture Collection	N/A
Kit de herramientas de visualización de datos, aprendizaje automático y minería de datos de código abierto.	Orange3, Universidad de Liubliana	NA	https://orange.biolab.si/
RPMI-1640	Invitrogen/ThermoFisher	11875093
Tripsina	Sigma	9002-07-7
Vevo 3100	VisualSonics	NA

American