Algoritmi di apprendimento automatico per il rilevamento precoce delle metastasi ossee in un modello di ratto sperimentale

Sommario

Questo protocollo è stato progettato per addestrare un algoritmo di apprendimento automatico per utilizzare una combinazione di parametri di imaging derivati dalla risonanza magnetica (RMI) e dalla tomografia a emissione di positroni (PET/CT) in un modello di ratto delle metastasi ossee del cancro al seno per rilevare la malattia metastatica precoce e prevedere la successiva progressione alle macrometastasi.

Abstract

Gli algoritmi di apprendimento automatico (ML) consentono l'integrazione di diverse funzionalità in un modello per eseguire attività di classificazione o regressione con una precisione superiore ai relativi componenti. Questo protocollo descrive lo sviluppo di un algoritmo ML per prevedere la crescita delle macrometastasi ossee del cancro al seno in un modello di ratto prima che eventuali anomalie siano osservabili con metodi di imaging standard. Tale algoritmo può facilitare la diagnosi della malattia metastatica precoce (cioè la micrometastasi) che viene regolarmente persa durante gli esami di messa in scena.

Il modello di metastasi applicato è specifico del sito, il che significa che i ratti sviluppano metastasi esclusivamente nella gamba posteriore destra. Il tasso di acquisizione del tumore del modello è del 60%-80%, con macrometastasi che diventano visibili nella risonanza magnetica (RMI) e nella tomografia a emissione di positroni/TC (PET/CT) in un sottoinsieme di animali 30 giorni dopo l'induzione, mentre un secondo sottoinsieme di animali non presenta crescita tumorale.

Partendo dagli esami delle immagini acquisiti in un momento precedente, questo protocollo descrive l'estrazione di caratteristiche che indicano la vascolarizzazione del tessuto rilevata dalla risonanza magnetica, il metabolismo del glucosio da PET/CT e la successiva determinazione delle caratteristiche più rilevanti per la previsione della malattia macrometastatica. Queste caratteristiche vengono poi indotta in una rete neurale media del modello (avNNet) per classificare gli animali in uno dei due gruppi: uno che svilupperà metastasi e l'altro che non svilupperà alcun tumore. Il protocollo descrive anche il calcolo dei parametri diagnostici standard, come l'accuratezza complessiva, la sensibilità, la specificità, i valori predittivi negativi/positivi, i rapporti di probabilità e lo sviluppo di una caratteristica operativa del ricevitore. Un vantaggio del protocollo proposto è la sua flessibilità, in quanto può essere facilmente adattato per addestrare una pletora di diversi algoritmi ML con combinazioni regolabili di un numero illimitato di funzionalità. Inoltre, può essere utilizzato per analizzare diversi problemi in oncologia, infezione, e l'infiammazione.

Introduzione

Lo scopo di questo protocollo è integrare diversi parametri di imaging funzionale da RMI e PET/CT in un algoritmo ML di rete neurale media (avNNet) basato su modelli. Questo algoritmo prevede la crescita delle macrometastasi in un modello di ratto di metastasi ossee del cancro al seno in un momento precoce, quando i cambiamenti macroscopici all'interno dell'osso non sono ancora visibili.

Prima della crescita delle macrometastasi, si verifica un'invasione del midollo osseo delle cellule tumorali diffuse, comunemente indicata come malattia micrometastatica^1,2. Questa invasione inizial....

Protocollo

Tutte le procedure di cura e di sperimentazione sono state eseguite in conformità con la legislazione nazionale e regionale in materia di protezione degli animali, e tutte le procedure sugli animali sono state approvate dal governo statale della Franconia, Germania (numero di riferimento 55.2 DMS-2532-2-228).

1. Induzione di metastasi ossee da cancro al seno nella gamba posteriore destra di ratti nudi

NOTA: Una descrizione dettagliata dell'induzione di metastasi ossee di cancro al seno nei ratti nudi è stata pubblicata altrove^6,8. I passaggi più rilevanti s....

Risultati

I ratti si sono ripresi rapidamente dall'intervento chirurgico e dall'iniezione delle cellule del cancro al seno MDA-MB-231 e sono stati quindi sottoposti a imaging MR e PET/CT nei giorni 10 e 30 PI (Figura 1). Un'analisi DCE rappresentativa della tibia prossimale destra di un ratto è presentata nella Figura 2A. Le misurazioni non prime DCE sono state salvate selezionando il pulsante"Esporta"e scegliendo "DCEraw.txt" come nome del file.

Discussione

Gli algoritmi ML sono potenti strumenti utilizzati per integrare diverse funzionalità predittive in un modello combinato e ottenere una precisione che supera quella dei suoi costituenti separati quando vengono utilizzati da soli. Ciò nonostante, il risultato effettivo dipende da diversi passaggi critici. In primo luogo, l'algoritmo ML utilizzato è un fattore cruciale, perché diversi algoritmi ML producono risultati diversi. L'algoritmo utilizzato in questo protocollo è un avNNet, ma altri algoritmi promettenti includono .......

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Microscopio operatorio binoculare	Leica	NA
ClinScan MR System	Bruker	NA
DICOM Viewer	Horos	NA	www.horosproject.org
Excel: Foglio di calcolo	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 cellule di cancro al seno umano	Raccolta di colture di tipo americano	N/A
Toolkit open source per la visualizzazione dei dati, l'apprendimento automatico e il data mining.	Orange3, Università di Lubiana	NA	https://orange.biolab.si/
RPMI-1640	Invitrogen/ThermoFisher	11875093
Tripsina	Sigma	9002-07-7
Vevo 3100	VisualSonics	NA