gms | German Medical Science

Hintergrund und Zielsetzung: Die Körperzusammensetzungsanalyse (Body Composition Analysis, BCA) hat sich in der Onkologie zunehmend als wertvoller prognostischer Faktor etabliert. Parameter wie Muskeldichte, Fettverteilung und Muskel-Knochen-Ratio (MBR) ermöglichen eine präzisere Einschätzung des allgemeinen Gesundheitszustands und der funktionellen Reserve von Patienten. Insbesondere beim Pankreaskarzinom, einer Tumorerkrankung mit schlechter Prognose und hoher Rezidivrate, könnten BCA-Parameter einen wesentlichen Beitrag zu einer optimierten Risikostratifikation, Therapieplanung und personalisierten Behandlungsansätzen leisten.

Ziel dieser Studie war es, den Einfluss vollautomatisch extrahierter, deep-learning-basierter 3D-BCA-Parameter auf das therapeutische Outcome bei Patienten mit Pankreaskarzinom zu untersuchen. Zudem wurde untersucht, ob diese Parameter eine verbesserte Vorhersage von Frührezidiven (innerhalb von 6 Monaten nach der Operation) ermöglichen.

Material und Methoden: Unsere retrospektive Studie umfasste 153 Patienten mit histologisch gesichertem Pankreaskarzinom, die zwischen 2010 und 2020 am Universitätsklinikum Frankfurt chirurgisch behandelt wurden. Thorako-abdominelle CT-Scans wurden mithilfe eines Open-Source-Algorithmus (Haubold et al.) zur automatisierten Analyse von Körper- und Organparametern ausgewertet. Analysierte Parameter umfassten u.a. Muskelmasse, Muskeldichte (Muscle Mean HU), Gesamtfettgewebe (TAT), intermuskuläres Fettgewebe (IMAT) und viszerales Fettgewebe (VAT). Mithilfe univariater und multivariater Cox-Regressionsanalysen wurden die Effekte dieser Parameter sowie klinischer Faktoren auf das krankheitsfreie Überleben untersucht. Zur Vorhersage von Frührezidiven wurde ein Gradient-Boosting-Algorithmus entwickelt, der klinische Daten, BCA-Parameter und Tumorsegmentierungsdaten einbezog.

Ergebnisse: Die univariate Analyse identifizierte das UICC-Stadium IV, einen R1-Resektionsstatus, erhöhte CA19-9 Spiegel sowie die Muskeldichte als signifikante Risikofaktoren für die Rezidiventwicklung. Weiterhin zeigte der IMAT/TAT-Quotient eine negative Korrelation mit dem krankheitsfreien Überleben. In der multivariaten Analyse konnten das UICC-Stadium, der R1-Status und der IMAT/TAT-Quotient als unabhängige Risikofaktoren bestätigt werden. Für die Vorhersage eines Frührezidivs erreichte unser Prädiktionsmodell eine Genauigkeit von 70% und einen F1-Score von 78%. Die SHAP-Analyse identifizierte hierbei die Muskeldichte (Muscle Mean HU) als den wichtigsten prädiktiven Parameter.

Schlussfolgerungen: Automatisiert extrahierte 3D-BCA-Parameter, insbesondere der IMAT/TAT-Quotient, sind unabhängige prognostische Faktoren für das krankheitsbezogene Überleben bei Patienten mit Pankreaskarzinom. Diese Parameter bieten eine vielversprechende Grundlage für eine verbesserte Risikostratifizierung und haben das Potenzial, in die klinische Routine integriert zu werden, um Therapieentscheidungen und das Management von Patienten mit Pankreaskarzinom zu verbessern.