In eerdere studies zijn aanwijzingen gezien voor een mogelijke associatie van MRI-gebaseerde imaging-fenotypen van mammatumoren met moleculaire en genomische kenmerken. Dr. Maciej Mazurowski (Duke University, Durham NC) en collega’s hebben deze associatie nader onderzocht. Ze publiceren de studie online in het British Journal of Cancer.¹ De studie is gebaseerd op pre-operatieve MRI-kenmerken van 922 patiënten met mammacarcinoom.

De MRIs werden geanalyseerd met een computeralgoritme dat 529 verschillende kenmerken van de tumor en het omliggende weefsel bepaalde. Machine-learning modellen werden getraind op de imaging features van de helft van de patiënten (n=461) om moleculaire, genomische en proliferatie eigenschappen te voorspellen, waaronder moleculair subtype, ER-, PR-, en HER2-status, en Ki-67. De getrainde modellen werden gebruikt in de set van de overige 461 patiënten. De analyses wezen uit dat de modellen voorspellend waren voor luminal A-subtype met AUC 0,697 (p<0,0001), triple negatief subtype met AUC 0,654 (p<0,0001), ER-status met AUC 0,649 (p<0,001), en PR-status met AUC 0,622 (p<0,0001).

De onderzoekers concluderen dat er een moderate association is tussen moleculaire biomarkers van mammatumoren en algoritmisch bepaalde imaging kenmerken.

1.Saha A, Harowicz MR, Grimm LJ et al. A machine learning approach to radiogenomics of breast cancer: a study of 922 subjects and 529 DCE-MRI features. Br J Cancer 2018; epub ahead of print

Summary: A study at Duke University (Durham NC) found a moderate association between breast tumor molecular biomarkers and algorithmically assessed preoperative MRI imaging features.