Radyogenomik – Tıbbi Görüntüleme ve Genetik Bilginin Güç Birliği

Genetik ve Radyoloji Bilimlerinde Yenilik

Omik Nedir?

Omik, biyolojik sistemlerin farklı yönlerini kapsamlı bir şekilde inceleyen bilim dallarının genel adıdır. Genomik, proteomik ve metabolomik gibi alanları içerir ve biyomoleküllerin yapılarını, işlevlerini ve etkileşimlerini analiz eder.

Radyomik Nedir?

Radyomik, tıbbi görüntüleme verilerinden büyük miktarda niceliksel özellik çıkarma ve bu verileri analiz etme sürecidir. Bu teknik, tümörlerin heterojenitesini ve özelliklerini daha iyi anlamak için kullanılır.

Genomik Nedir?

Genomik, bir organizmanın tüm genetik materyalinin, yani genomunun yapısını, işlevini ve etkileşimlerini inceleyen bilim dalıdır. Genomik araştırmalar, genlerin nasıl çalıştığını, hangi hastalıklarla ilişkili olduklarını ve bireysel genetik varyasyonların sağlık üzerindeki etkilerini anlamayı amaçlar.

Radyogenomik Nedir?

Radyogenomik, tıbbi görüntüleme verileri ile genomik bilgileri entegre eden ve bunlar arasındaki ilişkileri inceleyen bir alandır. Bu yöntem, kanser tedavisinde kişiselleştirilmiş yaklaşımlar geliştirmek için kullanılır.

Radyogenomik, Kişiselleştirilmiş Tıbbın Anahtarı Olabilir mi?

Radyogenomik, genomlar ve görüntüleme fenotipleri arasındaki ilişkiye odaklanarak tümör heterojenitesini ele almak ve bağışıklık yanıtını ve hastalığın ilerlemesini tahmin etmek için yaygın olarak uygulanmaktadır. Radyogenomik, mevcut kişiselleştirilmiş tıp eğilimlerinin kaçınılmaz bir sonucudur çünkü geleneksel genetik dizilemeden daha az maliyetlidir ve sınırlı biyopsi örnekleri yerine tümörün tamamına erişim sağlar. Vokseller (hacimsel pikseller) aracılığıyla genetik bilgi sağlayarak, radyogenomik, heterojen bir tümörü veya tümör grubunu hedef alan kişiselleştirilmiş tedaviye imkan tanıyabilir. Lezyon özelliklerini niceliksel olarak değerlendirmek dışında, radyogenomik iyi huylu ve kötü huylu oluşumları ve hasta özelliklerini ayırt etmek için kullanılabilir ve böylece hastaları hastalık riskine göre daha iyi sınıflandırarak daha hassas görüntüleme ve tarama sağlar. Bu makalede, radyogenomiğin onkoloji alanında teşhis, tedavi planlaması ve değerlendirmelerdeki uygulamasını çoklu-omik bir yaklaşımla karakterize ediyoruz. Ayrıca radyogenomik alanındaki zorlukları ve bu yöntemlerin kapsamı ve klinik uygulanabilirliği konularını tartışıyoruz.

Genom Devrimi ile Tıbbın Değişen Kaderi

1990'ların başlarındaki genom devriminden bu yana, kanser araştırmaları hastalıkların temel nedenlerini genetik seviyede araştırmaya odaklanarak kişiselleştirilmiş tedavilere imkan sağlamak istemiştir. İnsan Genom Projesi'nin tamamlanmasının ardından, genomik daha işlevsel bir seviyeye evrilmiş, genlerin ve proteinlerin ifade profilleri ve rolleri üzerinde yoğunlaşmıştır. Kanser genetiği konusundaki anlayışımız, hastalığı düşünme ve tedavi etme biçimimizi değiştirmiştir. Kanser Genom Atlası (TCGA) projesi gibi birçok kanser türünde geniş ölçekli, transkriptom, epigenomik ve proteomik veri sağlamak için birçok örnek kullanılmıştır. Bununla birlikte, geleneksel genetik analiz yöntemleri, prosedürü gerçekleştirmek için invaziv biyopsi örneklemelerine veya ameliyat sonrası patolojik dokulara dayanır, bu da belirli riskler ve potansiyel komplikasyonlar taşır, dolayısıyla her kanser hastasına uygulanamaz.

Tümöral Heterojenite Akılda Tutulmalı

İntra- veya intertümoral heterojenite nedeniyle, doku biyopsileri önemli genetik değişiklikleri doğru bir şekilde tespit edemeyebilir. Örnekler genellikle heterojen lezyonların küçük bir kısmından elde edilir ve lezyonun anatomik, işlevsel ve fizyolojik özelliklerini doğru bir şekilde temsil etmeyebilir. Daha da önemlisi, tedavi sırasında yanıtı incelemek için dokuyu birden fazla kez almak mümkün değildir. Bu nedenle, genomik veya proteomik profilin genel klinik uygulamaya entegrasyonu zor kalmaktadır.

Radyomik Çözümlerin Doğuşu

Tıbbi görüntüleme, tıp biliminde ve klinik uygulamalarda hayati bir teknolojidir. Bununla birlikte, tıbbi görüntülemenin rolü hızla büyük bir teşhis aracından kişiselleştirilmiş tıpta baskın bir role evrilmektedir. Geleneksel görüntüleme değerlendirmesi, tümör yoğunluğu, kontrastlanma kalıpları, tümör sınırlarının düzenliliği, tümör içi hücreler ve hücresiz bileşenler, çevresel yapılarla anatomik ilişki ve anatomik değişiklikler gibi nitel özelliklere dayanır. Buna karşılık, hızla gelişen bir alan olan radyomik, dört kanallı görüntülerden yoğunluk, doku, şekil ve boyut metrikleri gibi nicel bilgileri dijital olarak çözmeyi mümkün kılar.

2012'de tanıtılan yeni bir teknoloji olan radyomik, görüntülerden yüksek verimli algoritmalarla niceliksel görüntü özelliklerini çıkarmaya, ardından bu verileri filtrelemeye, kümelendirmeye ve analiz etmeye odaklanarak tümör heterojenitesini tanımlamayı ve tahmin etmeyi amaçlar. Dijital tıbbi görüntüleri çeşitli ilgili verilerle dönüştürme konusundaki ilerlemelere rağmen, radyomik özelliklerin biyolojik yorumlarını belirlemede kritik engeller bulunmaktadır.

Farklı Verilerin Entegrasyonu

Büyük veri ve kişiselleştirilmiş tıbbın bir sonraki çağına girerken, birçok uzman "Radyogenomik" kavramını öne sürmüştür. Radyogenomik, tıbbi görüntüleme ile genomik veriler arasında çok ölçekli bağlantılar geliştirmeye odaklanır. Radyomik ve genomik kombinasyonu olarak düşünülebilir, yukarıda belirtilen eksiklikleri ele alır. Son on yılda büyük ölçüde gelişmiş ve özellikle kanser için terapi biyomarkerlarını belirleyerek niceliksel görüntüleme özelliklerini genomik imzalarla ilişkilendirerek invaziv olmayan prognostik ve teşhis yaklaşımları geliştirme potansiyeli göstermiştir. Çeşitli kanser türlerinin moleküler karakterizasyonunun ve doku analizi ve makine öğrenimindeki ilerlemelerin iyileştirilmesiyle, kanser teşhisi radyogenomik ile kişiselleştirilmiş tıbba doğru yönelmeye hazırlanmaktadır.

1990'ların başındaki genom devriminden bu yana, kanser araştırmaları hastalıkların temel nedenlerini genetik seviyede araştırmaya odaklanmıştır. İnsan Genom Projesi'nin tamamlanmasıyla birlikte, genomik daha işlevsel bir seviyeye evrilmiş, genlerin ve proteinlerin ifade profilleri ve rollerine odaklanmıştır. Kanser genetiği konusundaki anlayışımız, hastalığı düşünme ve tedavi etme biçimimizi değiştirmiştir. Kanser Genom Atlası (TCGA) projesi gibi birçok kanser türünde geniş ölçekli, transkriptom, epigenomik ve proteomik veri sağlamak için birçok örnek kullanılmıştır. Bununla birlikte, geleneksel genetik analiz yöntemleri, prosedürü gerçekleştirmek için invaziv biyopsi örneklemelerine veya ameliyat sonrası patolojik dokulara dayanır, bu da belirli riskler ve potansiyel komplikasyonlar taşır, dolayısıyla her kanser hastasına uygulanamaz. İntra- veya intertümoral heterojenite nedeniyle, doku biyopsileri önemli genetik değişiklikleri doğru bir şekilde tespit edemeyebilir. Örnekler genellikle heterojen lezyonların küçük bir kısmından elde edilir ve lezyonun anatomik, işlevsel ve fizyolojik özelliklerini doğru bir şekilde temsil etmeyebilir. Daha da önemlisi, tedavi sırasında yanıtı incelemek için dokuyu birden fazla kez almak mümkün değildir. Bu nedenle, genomik veya proteomik profilin genel klinik uygulamaya entegrasyonu zor kalmaktadır.

Tıbbi görüntüleme, tıp biliminde ve klinik uygulamalarda hayati bir teknolojidir. Bununla birlikte, tıbbi görüntülemenin rolü hızla büyük bir teşhis aracından kişiselleştirilmiş tıpta baskın bir role evrilmektedir. Geleneksel görüntüleme değerlendirmesi, tümör yoğunluğu, kontrastlanma kalıpları, tümör sınırlarının düzenliliği, tümör içi hücreler ve hücresiz bileşenler, çevresel yapılarla anatomik ilişki ve anatomik değişiklikler gibi nitel özelliklere dayanır. Buna karşılık, hızla gelişen bir alan olan radyomik, dört kanallı görüntülerden yoğunluk, doku, şekil ve boyut metrikleri gibi nicel bilgileri dijital olarak çözmeyi mümkün kılar. 2012'de tanıtılan yeni bir teknoloji olan radyomik, görüntülerden yüksek verimli algoritmalarla niceliksel görüntü özelliklerini çıkarmaya, ardından bu verileri filtrelemeye, kümelendirmeye ve analiz etmeye odaklanarak tümör heterojenitesini tanımlamayı ve tahmin etmeyi amaçlar. Dijital tıbbi görüntüleri çeşitli ilgili verilerle dönüştürme konusundaki ilerlemelere rağmen, radyomik özelliklerin biyolojik yorumlarını belirlemede kritik engeller bulunmaktadır.

Büyük veri ve kişiselleştirilmiş tıbbın bir sonraki çağına girerken, birçok uzman "Radyogenomik" kavramını öne sürmüştür. Radyogenomik, tıbbi görüntüleme ile genomik veriler arasında çok ölçekli bağlantılar geliştirmeye odaklanır. Radyomik ve genomik kombinasyonu olarak düşünülebilir, yukarıda belirtilen eksiklikleri ele alır. Son on yılda büyük ölçüde gelişmiş ve özellikle kanser için terapi biyomarkerlarını belirleyerek niceliksel görüntüleme özelliklerini genomik imzalarla ilişkilendirerek invaziv olmayan prognostik ve teşhis yaklaşımları geliştirme potansiyeli göstermiştir. Çeşitli kanser türlerinin moleküler karakterizasyonunun ve doku analizi ve makine öğrenimindeki ilerlemelerin iyileştirilmesiyle, kanser teşhisi radyogenomik ile kişiselleştirilmiş tıbba doğru yönelmeye hazırlanmaktadır.

Radyogenomik Çalışma Akışlarının Genel Bir Görünümü

Radyogenomiğin temel fikri, hastalık fenotiplerini nicel olarak yansıtan görüntüleme verileri ile moleküler seviyedeki aktiviteleri yansıtan genomik verileri birleştirerek, genomik ve görüntüleme özellikleri arasındaki bağlantıları kurmak ve bu bilgilerin analiz ve damıtılması temelinde hastalıkların genetik arka planı ve gelişimi hakkında bilgi edinmektir. Bu araçların ve yöntemlerin ayrıntılı bir tanıtımı aşağıda verilmiştir. 2012 yılında Lambin ve arkadaşları, görüntülerin biyolojik doğasını keşfetmek ve klinik karar desteği sağlamak için otomatik ve yüksek verimli özellik çıkarma yöntemleriyle tıbbi görüntüleri büyük miktarda özellik bilgisine dönüştüren görüntü genomik kavramını resmen tanıttılar. Radyogenomik çalışma akışı şu adımlardan oluşur: (i) Görüntü toplama, klinik deneylerdeki "vaka kaydı"na benzer. Radyografi, ultrason, manyetik rezonans görüntüleme (MRI) ve pozitron emisyon tomografisi (PET)/CT dahil olmak üzere çeşitli görüntü toplama yolları vardır; (ii) Görüntü segmentasyonu, manuel segmentasyon, yarı otomatik segmentasyon ve tam otomatik segmentasyonu içerir; (iii) Görüntü özellik çıkarma ve tanımlama, yani ilgi alanlarını nicel olarak tanımlamak için yüksek boyutlu özellik verilerini çıkarmak, görüntü histolojisinin çekirdek kısmıdır; (iv) Özellik seçimi ve model oluşturma; (v) Klinik uygulamalar, görüntü histolojisinin en çok uygulandığı yerler, tümör sınıflandırması, tümör evreleme ve prognostik tahmin (Şekil 1).

Radyomik-Genomik İlişkisinin Çeşitli Omik Dallarına Genel Bir Bakış

Radyogenomik teknolojilerin son yıllardaki gelişimi, radyomik klinik uygulamasını çoklu-omik bir perspektiften araştırmada paradigma değişimlerine yol açmıştır. Fathi ve arkadaşları, yeni teşhis edilmiş GBM hastalarında klinik sonuçları doğru bir şekilde modellemek için klinik bilgiler, MGMT metilasyonu, radyomik ve genetik veriler dahil olmak üzere birden fazla omik veriyi birleştirmiştir. Bu araştırma, çoklu-omik bir yaklaşımla hassas tıpta radyogenomik uygulamasını risk gruplarının doğru bir şekilde sınıflandırılması için karakterize etmiştir. Bu nedenle, bu incelemede radyogenomiği üç ana bileşene ayırıyoruz. PubMed ve Web of Science veritabanlarında 2017 ve 2022 yılları arasında 5'in üzerinde etki faktörü (IF) olan ilgili makaleleri taradık.

Gen Mutasyonlarını Tahmin Etmek İçin Radyogenomik Modellerin Kullanımı

Gen mutasyonlarını tanımlamak, kanser teşhisi, tedavi seçimi ve tedavi etkinliğinin izlenmesi için önemlidir. Bu gen mutasyonlarını tespit etmek için en yaygın yöntem doku biyopsisidir, bu yöntem invaziv, pahalı ve zaman alıcıdır ve bu nedenle tüm hastalar için uygun değildir. Aynı zamanda, radyomik, standart radyolojik taramalar kullanarak farklı görüntüleme modlarından elde edilen büyük miktarda ileri düzey nicel görüntü özelliklerinin otomatik olarak çıkarılması ve analiz edilmesi anlamına gelir. Radyogenomik, radyomik ve genomik'i birleştirerek ortaya çıkan ve hassas tıbbı kolaylaştıran yeni bir alan olarak ortaya çıkmıştır. Bu nedenle, gen mutasyonlarının tahmin edilmesinde radyomik uygulamalarının daha fazla çalışılması, daha etkili kanser tespitine yardımcı olmak için gereklidir. Bu bölümde, radyomik'in beyin, akciğer, kolorektal, meme ve böbrek tümörlerinde gen mutasyonlarını tahmin etmedeki rolü hakkındaki mevcut bilgimizi kısaca gözden geçiriyoruz. Çoğu çalışma, tek nükleotid değişiklikleri ve ekleme/çıkarma (indel) mutasyonlarını içeren gen mutasyonlarına odaklanmıştır.

Tek nükleotid polimorfizmi (SNP), en yaygın olarak çalışılan genomik varyanttır. SNP'ler, kodlama ve kodlamayan DNA ve protein ifadesini etkileyebilen tek baz çift değişiklikleridir. GWAS, genetik analizi için genomdaki milyonlarca SNP'yi kullanan moleküler genetik bir çalışmadır. GWAS, karmaşık özellikleri etkileyen genetik varyantları karşılaştırmak ve bulmak için genomdaki milyonlarca tek nükleotid polimorfizmini moleküler genetik biyomarkerlar olarak kullanır. Seibold ve arkadaşları, radyogenomiği kullanarak replikasyon aşamasında dört gendeki en önemli on SNP'yi 1883 meme kanseri hastasında değerlendirdi ve ardından bunları 753 meme kanseri hastasında doğruladı, rs2682585'in geç cilt toksisitesi ve genel toksik yanıt ile güçlü bir şekilde ilişkili 

olduğunu buldu. Benzer şekilde, Kerns ve arkadaşları, AGT, COG2, CAPN9, ARV1, AL512328.1 ve LOC101927604 genlerinin prostat kanseri radyasyon sonrası ilerleyici radyotoksik hematüri ile ilişkili olabileceğini keşfettiler.

Spesifik tedavilerin non-small cell akciğer kanseri (NSCLC) genomik alt grupları için mevcut olması nedeniyle, genotipleme tedaviyi yönlendirmek için hayati önem taşır. Radyogenomik, tümörlerin hızlı, non-invaziv genotiplendirilmesi için önemli bir teknolojik araç sağlayabilir. Epidermal büyüme faktörü reseptörü (EGFR) mutasyonları ve anaplastik lenfoma kinazı (ALK) yeniden düzenlemeleri, NSCLC hastalarını tirozin kinaz inhibitörleri (TKI) ile tedavi etmek için önemli biyolojik göstergelerdir. Lv ve arkadaşları, düşük pSUVmax değerinin mutant EGFR durumu ile entegre olduğunu ve EGFR testi yapılamayan bazı NSCLC hastalarında diğer klinik faktörlerle birlikte EGFR mutasyon durumunun ayırt ediciliğini artırabileceğini doğruladılar. Bu retrospektif çalışmaya EGFR veya ALK değişiklikleri olan toplam 849 NSCLC hastası dahil edildi. Zhang ve arkadaşları, LIFEx paketini kullanarak 47 PET ve 45 CT görüntüleme özelliği çıkardı ve bunları klinik değişkenlerle birleştirerek EGFR için yüksek tahmin gücü gösteren bir model oluşturdu. Benzer şekilde, Zhang ve arkadaşları, eğitim grubundaki hastaların CT görüntülerinden elde edilen 485 nicel doku özelliğinden NSCLC'deki EGFR mutasyonlarını tahmin etti, görüntü histolojik özelliklere dayalı tahmin modelinin mükemmel performansa sahip olduğunu ortaya koydu. Nair ve arkadaşları ise, CT ve 18F-FDG-PET-CT görüntülerini kullanarak EGFR mutasyonlarını tanımlayan bir görüntüleme genomik modeli geliştirdiler. FDG-PET tabanlı model, vahşi tip ve mutant EGFR arasında ayırt etmek için 0.8 AUC ile iyi bir performans gösterdi. Genel olarak, FGD-PET ve CT görüntüleme, NSCLC tümörlerindeki EGFR mutasyonlarını ve ALK yeniden düzenlemelerini tanımlamada güçlü bir performansa sahiptir.

Kolorektal kanserin (CRC) artan insidansı, morbidite ve mortalite ile birlikte büyük bir terapötik zorluk oluşturmaktadır. Son yıllarda, CRC hastalarında KRAS mutasyon durumuyla ilgili görüntüleme genomik çalışmalarına geniş ilgi çekilmiştir. Shin ve arkadaşları, polip morfolojisinin, artmış aksiyal uzunluğun, artmış aksiyal-uzunlamasına oranının ve N2 lenf nodu durumunun KRAS mutasyonları ile ilişkili olduğunu gözlemlediler. Ardından, Lubner ve arkadaşları tarafından yapılan bir çalışmada, 77 CRC karaciğer metastazı incelendi ve doku parametrelerinin tümör derecesi, serum karsinoembriyonik antijen (CEA) ve KRAS mutasyon durumu ile korele olduğu bulundu. Yang ve arkadaşları, 117 CRC hastasında gen mutasyonları ile klinik arka plan, tümör evresi ve histolojik farklılaşma arasındaki ilişkiyi modelledi ve analiz etti. Bulgular, görüntü histolojik özelliklerin KRAS/NRAS/BRAF mutasyonları ile korele olduğunu ve CT'nin CRC tümör genotiplerine katkıda bulunabileceğini ve daha hassas tedaviyi kolaylaştırabileceğini ima etti.

Yukarıdaki çalışmalar, konvansiyonel görüntüleme özelliklerinin ve görüntü histolojik özelliklerin birkaç kanser türünde gen mutasyonları için iyi bir tahmin değeri taşıdığını göstermiştir. Pankreas biyopsisi ile değiştirilememekle birlikte, non-invaziv ve tekrarlanabilir olma avantajlarıyla klinik tedavi kararlarında yardımcı olabilirler. Bununla birlikte, klinik uygulamalar, henüz keşfedilmemiş birçok radyosensitif SNP nedeniyle sınırlı olabilir.

Radyomik Uygulamaların Transkriptomik İçindeki Yeri

Her genin oynayabileceği çeşitli rolleri anlamak, belirli bir organizmada veya belirli hücrelerde belirli koşullar altında genetik transkripsiyon düzeyinde gen ifadesi deseni olan transkriptomikleri gerektirir. Transkriptomik, sağlıklı insanlar ile hastalar arasındaki gen ekspresyon varyasyonlarını daha iyi anlamak için kullanılabilir. Araştırmacılar, hangi genlerin açıldığını ve hangilerinin kapandığını ve hangi insan gruplarında olduğunu inceleyerek gen ekspresyon varyasyonlarının hastalığın ilerlemesini nasıl etkileyebileceğine dair ipuçları elde eder. Bu nedenle, kanser tespitinde daha doğru yönlendirme sağlamak için transkriptomik biyomarkerların daha fazla araştırılması gerekmektedir. Bu bölümde, beyin ve böbrek tümörlerinde transkripsiyonel biyomarkerların rolünü kısaca gözden geçiriyoruz.

Bazı yaygın mutasyonların klinik önemi bilinmediği için bunların klinik biyomarker olarak kullanımları sınırlıdır. Transkripsiyonel biyomarkerlar ise ccRCC'yi klinik olarak anlamlı moleküler alt gruplara ayırmada üstün yöntemlerdir. Brooks ve arkadaşları, lokalize ccRCC'yi yüksek risk ve düşük risk kategorilerine ayırmak için 34 gen ifadesi imzası geliştirmiştir. Ayrıca, Jamshidi ve arkadaşları, MR görüntüleme özelliklerini kullanarak çeşitli onkojenik yolları tanımlamak için GSEA algoritmasını uygulamıştır. Gen dozajı ve mRNA ekspresyonunda uyumlu varyasyonları ortaya çıkaran 34 gen lokusu arasında korelasyonlar bulunmuştur, bu da GBM için bir MR görüntüleme, mRNA ve CNV radyogenomik ilişki haritası oluşturmuştur. Başka bir çalışmada, hepatoselüler karsinomda 18F-florokolinin PET/CT görüntüleme fenotipleri ile moleküler özellikleri ilişkilendirerek transkriptomikleri araştırmış ve sağkalım ile potansiyel ilişkisini incelemiştir. Benzer şekilde, Yamamoto ve arkadaşları, meme kanserinde MR görüntü fenotiplerini küresel gen ekspresyon desenleriyle ilişkilendiren bir radyogenomik ilişki haritası oluşturmuş ve belirli MR görüntü fenotipleri ile ilgi çekici gen setleri arasındaki ilişkileri tanımlamıştır. Ayrıca, MR görüntü kenar geliştirme özelliklerinin, HOX transkripsiyonel antisens RNA (HOTAIR) dahil olmak üzere sekiz lncRNA ile ilişkili olduğunu bulmuşlardır.

Radyomik ve Epigenetik Kombinasyonu

Epigenetik değişikliklerin kanser oluşumunu nasıl yönlendirdiğini anlamak, kanser araştırmalarında yoğun ilgi gören bir alandır. Genetik mutasyonların aksine, epigenetik modifikasyonlar tersine çevrilebilir ve bu nedenle müdahale için çekici hedefler temsil ederler. Kanser, epigenetik mekanizmalar tarafından başlatılır ve gelişir ve epigenetik çeşitlilik, tümör evrimi ve adaptasyonuna yardımcı olan dinamik gen ekspresyon desenlerini teşvik eder. Radyogenomik, epigenetik özellikler ve kanser klinikopatolojik özellikleri arasındaki önemli ilişkileri yeni yaklaşımlar sunarak, epigenetik işaretlerin kişiselleştirilmiş tıpta biyomarker olarak işlev görme potansiyelini vurgular.

CT görüntüleme özellikleri, RUNX3 metilasyon seviyeleri ve sağkalım arasındaki ilişkileri araştırmak için Cen ve arkadaşları bir renal clear cell karsinom modeli oluşturmuş ve bulanık tümör sınırlarının, sol taraflı tümörlerin ve intra-tümör damarlarının RUNX3 metilasyon seviyelerinin yükselmesini anlamlı şekilde öngördüğünü keşfetmişlerdir. Ayrıca, Kanas ve arkadaşları, glioblastomda standart preoperatif MRI değişkenleri ile MGMT metilasyon durumu arasında bir ilişki olduğunu göstermiştir.

Genel olarak, epigenetik mekanizmaları ve epigenetik omiklerle radyomikler arasındaki etkileşimleri daha iyi anlamak, radyogenomik stratejiler geliştirmek için yeni içgörüler sağlayabilir.

Klinik Uygulamalar

Bu on yılın başından bu yana, radyogenomik araştırmaları dikkate değer ilerleme kaydetmiş ve bu alanın klinik bakımı önemli ölçüde ilerletebileceği potansiyelini vurgulamıştır. Radyogenomik hala emekleme aşamasında olduğu için, klinik uygulamalardaki tam potansiyeli henüz gerçekleştirilememiştir. Bununla birlikte, birçok çalışma erken dönem klinik uygulamalarda umut verici sonuçlar göstermiştir. 2017 ve 2022 yılları arasında PubMed ve Web of Science veritabanlarında 5'in üzerinde etki faktörü (IF) olan ilgili makaleleri taradık.

Görüntüleme Fenotipleri ve Moleküler Fenotipler Arasındaki İlişki

Doğru bir moleküler fenotip elde etmek, hedefe yönelik tedavi için ön koşuldur. Kötü huylu tümörlerin heterojenitesi nedeniyle, biyopsi ile elde edilen küçük doku parçalarında tümör gen mutasyonlarını doğru bir şekilde yansıtmak zordur. Radyogenomik, görüntüleme özellikleri (görüntüleme fenotipi) ile tümörlerin moleküler belirteçleri (moleküler fenotip) arasındaki ilişkiyi ortaya çıkararak bu durumu iyileştirmeyi amaçlamaktadır.

IDH1 mutasyonlarının tespiti, glioma için büyük teşhis ve prognostik öneme sahiptir. GBM, izositrat dehidrogenaz (IDH) durumuna bağlı olarak IDH-vahşi tip veya IDH-mutant tip olarak sınıflandırılabilir. Çoğu araştırma, IDH durumunu tahmin etmek için MR görüntülemeyi kullanmış ve mütevazı başarılar elde etmiştir. Mevcut çalışma, yüksek dereceli gliomalarda IDH genotiplerini tahmin etmek için klinik faktörler ve MRI multimodal özellikleri kullanarak makine öğrenimi yöntemlerini uygulamıştır. Örneğin, Zhang ve arkadaşları, klinik veriler ile multimodal, preoperatif görüntüleme özelliklerini kullanarak yüksek dereceli gliomalarda IDH genotiplerini tahmin eden bir rastgele orman sınıflandırıcısı oluşturmuşlardır. Ayrıca, Chang ve arkadaşları, konvansiyonel MR görüntülemeden yararlanarak grade II-IV gliomada IDH genotipini non-invaziv olarak tahmin etmek için derin öğrenme tekniğini uygulamışlardır. Bu model, invaziv doku örneklemeyi tamamlayıcı non-invaziv bir araç olarak potansiyel taşıyabilir, hastalık yönetimini daha erken bir aşamada ve takip sürecinde kolaylaştırabilir.

Meme kanseri moleküler alt tipleri, luminal A, luminal B, HER2-zenginleştirilmiş ve bazal-benzeri (Şekil 2) dahil olmak üzere, tedaviye yanıtlar ve hasta sonuçlarındaki farklılıkları açıklamak amacıyla ilk olarak Perou ve arkadaşları tarafından önerilmiştir. Takip eden birçok çalışma, bu moleküler alt tiplerin klinik önemini ve kemoterapi, endokrin tedavi ve HER2-hedefli tedavi kararlarının kısmen bu alt tiplerle uyumlu olduğunu doğrulamıştır. Mazurowski ve arkadaşları, kanser görüntü arşivinden 48 hastayı incelemiş ve dinamik güçlendirme özelliklerinin luminal B meme kanseri ile ilişkili olduğunu ortaya koyan 23 DCE-MRI özelliği elde etmiştir. Bu alt tip, lezyon güçlendirme oranının arka plan parankimal güçlendirme oranına göre daha yüksek olma eğilimindedir. Leithner ve arkadaşları, DWI görüntü özelliklerinin, ilk sıra histogramları ve gri tonlamalı ortaklık matrisleri gibi, luminal B ve HER2-zenginleştirilmiş alt tipler için meme kanseri reseptör durumunu ve moleküler alt tipleri daha doğru bir şekilde tanımlayabileceğini bulmuşlardır. Xie ve arkadaşları, multiplanar MR görüntüleme ve tümör histogram analizi kullanarak üçlü negatif meme kanserini diğer meme kanseri alt tiplerinden ayırt etmiş ve luminal A ve HER2-zenginleştirilmiş alt tiplerden farklı teşhisinde iyi bir doğruluk göstermiştir. Dilorenzo ve arkadaşları, farklı meme kanseri alt tiplerinin ayırıcı tanısı için MRI arka plan parankimal güçlendirme (BPE) değerini araştırmış ve hafif BPE'nin Luminal B veya HER2-negatif alt tipleri işaret ettiğini, ağır BPE'nin ise üçlü negatif meme kanserini işaret ettiğini göstermiştir.

Yeni biyolojik içgörüler, medulloblastoma (MB) sınıflandırılmasında dört farklı moleküler alt grup tanımının yapılmasına yol açmıştır: sonic hedgehog (SHH), wingless (WNT), grup 3 ve grup 4. Preoperatif çokparametreli MRI'dan elde edilen konvansiyonel görüntüleme özellikleri, MB'nin moleküler alt gruplarıyla ilişkilendirilmiş ve değişken tahmin doğruluğuna sahip alt grup spesifik nomogramların oluşturulmasına izin vermiştir. Preoperatif çokparametreli manyetik rezonans görüntüleme temelli nomogramlar, SHH ve grup 4 medulloblastom moleküler alt tiplerini güvenilir bir şekilde tahmin edebilir. Yan ve arkadaşları, MB'nin moleküler alt popülasyonlarını tahmin etmek için makine öğrenme modelleri geliştirmiştir. Sonuçlar, makine öğrenme algoritmalarının moleküler alt popülasyonları non-invaziv olarak tahmin etme potansiyeline sahip olduğunu göstermiştir.

Onkoloji Tedavilerinin Etkinliğini Değerlendirmek ve Tedavi Seçeneklerini Belirlemek İçin Radyogenomik Kullanımı

Son yıllarda, radyogenomik araştırmalarında benzeri görülmemiş ilerlemeler kaydedilmiş ve tümör dokularının görüntü özellikleri kullanılarak çeşitli tedavilere, kemoterapi, radyoterapi, hedefe yönelik tedavi ve immünoterapi gibi, yanıtların hassas bir şekilde tahmin edilebileceği gösterilmiştir.

İmmünoterapi

18F-FDG-PET/CT görüntüleme genomikleri, PD-1/PD-L1 ekspresyonunu tahmin etmek için giderek daha fazla çalışılmış ve uygulanmıştır. Son çalışmalar, derin öğrenilmiş skorun (DLS), bireysel tedavi kararlarını yönlendirmek için IHC ile belirlenen PD-L1 ölçümünün yerine geçebileceğini göstermiştir. Benzer şekilde, Dall'Olio ve arkadaşları, ileri evre NSCLC hastalarında toplam metabolik tümör hacminin (tMTV) ≥ 75 cm3 olmasının, yüksek PD-L1 ekspresyonuna sahip hastalarda kötü prognoz için bir biyomarker olabileceğini göstermiştir. Bu bilgi, pembrolizumaba ek olarak kemoterapiden fayda sağlayabilecek hastaları tanımlamak için yararlı olabilir.

Neoadjuvan Sistemik Tedavi

Neoadjuvan sistemik tedavi (NST), lokalize ve ileri evre meme kanserinde tümör boyutunu küçülterek meme koruyucu cerrahi fırsatlarını artıran standart bakımdır. Ancak, NST tedavisinden yalnızca birkaç meme kanseri hastası fayda görür çünkü bazı biyolojik olarak agresif lezyonlar NST tedavisinden sonra etkili bir şekilde kontrol edilemeyebilir. Dolayısıyla, NST tedavisinden fayda görebilecek hastaların tanımlanması kritik öneme sahiptir. Patolojik tam yanıt (pCR), uzun vadeli olumlu prognoz ile yakından ilişkilidir ve NST tedavisinin etkinliğini değerlendirmek için bir gösterge olarak kullanılabilir. Tsukada ve arkadaşları, tümör tiplerinin NST tamamlandıktan sonra pCR'ye ulaşıp ulaşamayacağını tahmin etmiş ve iki MRI kaynaklı özelliğin (tümör büyüme yönü ve kontur oranı) pCR ile ilişkili olduğunu ortaya koymuştur. Çalışma, Cooper ligamenti yönünde büyüme gösteren tümörlerin ve tedavi öncesi multiplanar MRI'da hızlı kontur oranına sahip olan tümörlerin pCR için öngörücü olduğunu göstermiştir. Kim ve arkadaşları, meme kanserinin prognozunu değerlendirmek için nükssüz sağkalımı kullanmış ve T2WI'de yüksek entropiye (yüksek heterojenlik) sahip hastaların önemli ölçüde daha düşük nükssüz sağkalıma sahip olduğunu keşfetmişlerdir.

Radyoterapi

Radyoterapi döneminde, radyogenomik, hem görüntüleme hem de genetik boyutları kapsayan entegre bir model sunarak klinik karar almayı destekleyebilir. Birçok çalışma, radyogenomiğin kanser radyoterapisinin yan etkilerini tahmin edebileceğini ve genetik belirteçleri tanımlayarak tedavi sonuçlarını maksimize etmek için en iyi tedavi rejimini seçmeye yardımcı olabileceğini göstermiştir. Ayrıca, günümüzde radyoterapi teknikleri iki boyutlu radyoterapiden üç boyutlu radyoterapiye ve hatta dört boyutlu radyoterapi tekniklerine evrilmiştir; radyoterapi doz dağılımı da nokta dozdan hacim doz dağılımına doğru evrilmiştir. Bu yeni radyoterapi teknikleri, büyük miktarda görüntüleme verisini temel alır. Radyomik teknikler, ayrıntılı ve doğru görüntü fenotiplemesi sağlayarak, geniş bir yelpazedeki katı tümörlerde intra-tümoral heterojenliği gösterir. Ayrıca, çoklu-omik karakterizasyon fiziksel modele entegre edilerek, hedefe yönelik tedavilerde yeniden ışınlama protokollerini artırmaya yönelik radyoterapi fizikçilerini yönlendirmeye katkıda bulunur.

İlaç Yanıtını ve Potansiyel Direnci Tahmin Etme

Radyogenomik, tümörlerin bireyselleştirilmiş tedavisini yönlendirmek için ilaç yanıtını ve potansiyel direnci tahmin etmek amacıyla da kullanılabilir. 2007 yılında Kuo ve arkadaşları, güçlendirilmiş CT'deki belirli görüntü sunumları ile hepatoselüler karsinomun adriamisine duyarlılığı arasında güçlü bir ilişki bulmuşlardır. Hassas tıp, sadece modifiye edilebilir izleme ve tedavi hedeflerinin belirlenmesini değil, aynı zamanda bu hedeflerdeki değişiklikleri zamanla tespit etmek için güvenilir, non-invaziv teknoloji geliştirilmesini de gerektirir. Radyogenomik, tek bir heterojen tümör veya metastatik hastalık durumunda bir dizi kanser için voxel-by-voxel genetik bilgi sağlayarak, kişiselleştirilmiş tedavi programlarının oluşturulmasını destekler.

Radyogenomik Modellerin Klinik Biyomarker Olarak Prognostik ve Nüks Tahmini

Görüntüleme, genetik ve patolojik özelliklerin birleşimi ile radyogenomik etiketlerin oluşturulması, görüntüleme ile hastaların sonuçları arasındaki bağlantıyı ortaya çıkarır ve radyogenomiğin klinik uygulamalara dahil edilmesini hızlandırır. Alternatif görüntü biyomarkerlarının geliştirilmesi, klinisyenlerin klinik olarak ilgili sonuçları tahmin etme yeteneğini güçlendirir. Radyogenomik venöz invazyon (RVI), MVI'nin kontrastlı bilgisayarlı tomografi (CECT) biyomarkerıdır. Banerjee ve arkadaşları, RVI'nin preoperatif CECT ile kötü genel sağkalım (OS) ve erken hastalık nüksü ile ilişkili olduğunu keşfetmişlerdir. RVI, cerrahi tedaviden uzun vadeli fayda sağlama olasılığı düşük olan bireyleri tanımlamada etkili olabilir.

Radyogenomik ile Prognostik ve Tedavi Yanıtının Tahmini

Prognostik ve tedavi yanıtını tahmin etmek, radyogenomiğin en umut verici klinik uygulamalarından biridir. Radyogenomik, tümör özelliklerini genomik verilerle birleştirerek tedavi sonuçlarını tahmin etmek ve tedavi kararlarını desteklemek için güçlü bir araçtır.

Prostat Kanseri

Prostat kanseri tanısında radyogenomik, biyopsi örneklerine dayalı genetik verilerle birlikte multiparametrik MRI (mpMRI) kullanarak hastalık progresyonunu ve tedavi yanıtını tahmin etme yeteneğine sahiptir. Woo ve arkadaşları, mpMRI ile elde edilen radyogenomik verilerin Gleason skoru ve prostat kanseri biyopsi sonuçlarıyla güçlü bir şekilde ilişkili olduğunu bulmuşlardır. Bu, radyogenomiğin prostat kanseri tanı ve yönetiminde önemli bir rol oynayabileceğini göstermektedir.

Beyin Tümörleri

Glioblastom (GBM) tedavisinde, radyogenomik kullanımı tümör heterojenitesini anlamak ve kişiselleştirilmiş tedavi planları oluşturmak için hayati öneme sahiptir. MRI görüntüleri ile genomik verileri birleştiren modeller, tedavi yanıtını ve hasta sonuçlarını tahmin etmek için kullanılabilir. Carrillo ve arkadaşları, preoperatif MR görüntüleri ve genomik verileri kullanarak GBM hastalarının genel sağkalımını tahmin eden bir model geliştirmiştir. Bu model, hastaların tedaviye yanıtını ve uzun vadeli prognozunu iyileştirme potansiyeline sahiptir.

Meme Kanseri

Radyogenomik, meme kanserinde tedavi yanıtını tahmin etmek ve kişiselleştirilmiş tedavi stratejileri geliştirmek için de kullanılmaktadır. Akışkan genomik veriler ve MR görüntüleme özellikleri, hastaların neoadjuvan kemoterapiye yanıtını tahmin etmek için birleştirilmiştir. Sutton ve arkadaşları, MR görüntüleme özellikleri ve genomik verilerle birleştirilen bir modelin, meme kanseri hastalarında tedavi yanıtını tahmin etme yeteneğine sahip olduğunu göstermiştir. Bu, tedavi planlamasında radyogenomiğin önemini vurgulamaktadır.

Kolorektal Kanser

Kolorektal kanser (CRC) tedavisinde, radyogenomik kullanımı, tedavi yanıtını ve hastalık progresyonunu tahmin etmek için değerli bilgiler sağlar. Lubner ve arkadaşları, CRC hastalarında genetik veriler ve görüntüleme özelliklerini kullanarak tedavi yanıtını tahmin eden bir model geliştirmiştir. Bu model, hastaların kemoterapiye yanıtını ve uzun vadeli prognozunu iyileştirme potansiyeline sahiptir.

Akciğer Kanseri

Akciğer kanserinde radyogenomik, genetik ve görüntüleme verilerini birleştirerek tedavi yanıtını tahmin etme ve tedavi planlaması yapma yeteneğine sahiptir. Akciğer kanseri tedavisinde, radyogenomik veriler, hastaların hedefe yönelik tedavilere yanıtını tahmin etmek için kullanılmaktadır. Wei ve arkadaşları, akciğer kanseri hastalarında PET/CT görüntüleme özellikleri ve genomik verilerle birleştirilen bir modelin, tedavi yanıtını ve prognozu tahmin etme yeteneğine sahip olduğunu göstermiştir. Bu, akciğer kanseri tedavisinde radyogenomiğin önemini vurgulamaktadır.

Sonuç ve Gelecek Perspektifler

Radyogenomik, kanser tedavisinde kişiselleştirilmiş tıbbın önemli bir bileşeni olarak ortaya çıkmaktadır. Görüntüleme ve genomik verileri birleştirerek, tümör heterojenitesini anlamak, tedavi yanıtını tahmin etmek ve hastaların tedavi planlarını optimize etmek için güçlü bir araç sağlar. Gelecekte, radyogenomik uygulamalarının daha da geliştirilmesi ve klinik uygulamalarda yaygınlaşması beklenmektedir.

Radyogenomik, kanser araştırmalarında ve klinik uygulamalarda devrim yaratma potansiyeline sahiptir. Bu alanın ilerlemesi, daha hassas ve etkili kanser tedavileri geliştirmeye katkıda bulunacak ve hastaların yaşam kalitesini artıracaktır. Radyogenomik, kanser tedavisinde kişiselleştirilmiş tıbbın geleceğinde önemli bir rol oynayacaktır.

Radyogenomik: Gelecekteki Yönelimler ve Zorluklar

Radyogenomiğin klinik uygulamalarda genişlemesi ve kabulü için çeşitli zorlukların üstesinden gelinmesi gerekmektedir. Bu zorluklar, veri entegrasyonu, standardizasyon, doğrulama ve etik konuları içerir.

Veri Entegrasyonu

Radyogenomik, çok büyük miktarda veri üretir ve bu verilerin entegrasyonu ve analizi büyük bir zorluktur. Genomik veriler, radyolojik görüntüler ve klinik bilgiler arasındaki bağlantıları kurmak için ileri düzey bilgi işlem tekniklerine ihtiyaç vardır. Bu süreç, verilerin doğru ve güvenilir olmasını sağlamak için dikkatli bir şekilde yönetilmelidir.

Standardizasyon

Radyogenomik verilerin standardizasyonu, farklı araştırma gruplarının ve kliniklerin verileri karşılaştırmasını ve paylaşmasını kolaylaştırmak için gereklidir. Verilerin toplama, işleme ve analiz yöntemlerinde standardizasyon, radyogenomiğin klinik uygulamalara entegrasyonunu hızlandıracaktır.

Doğrulama

Radyogenomik modellerin klinik uygulamalarda kullanılmadan önce kapsamlı bir şekilde doğrulanması gerekmektedir. Modellerin güvenilirliğini ve doğruluğunu sağlamak için büyük ölçekli, çok merkezli klinik çalışmalara ihtiyaç vardır. Bu doğrulama süreci, modellerin gerçek dünya koşullarında performansını değerlendirmek için önemlidir.

Etik Konular

Radyogenomik verilerin kullanımı, gizlilik ve etik konularla ilgili çeşitli zorlukları da beraberinde getirir. Hasta verilerinin güvenliği ve gizliliği, radyogenomik araştırmalarında ve uygulamalarında kritik öneme sahiptir. Bu nedenle, veri koruma ve etik kuralların titizlikle uygulanması gerekmektedir.

Gelecekteki Yönelimler

Radyogenomik araştırmalarının gelecekteki yönelimleri, kişiselleştirilmiş tıbbın daha da ilerlemesine katkıda bulunacaktır. Aşağıda, radyogenomiğin gelecekteki yönelimlerinden bazıları sıralanmıştır:

Yapay Zeka ve Makine Öğrenimi

Yapay zeka (AI) ve makine öğrenimi (ML) tekniklerinin radyogenomikte kullanımı, verilerin analizini ve yorumlanmasını önemli ölçüde hızlandıracaktır. AI ve ML, radyogenomik verilerden elde edilen bilgilerin daha doğru ve hızlı bir şekilde işlenmesini sağlayarak, klinik kararları destekleyecektir.

Çoklu-Omik Yaklaşımlar

Radyogenomik, genomik verilerin yanı sıra proteomik, metabolomik ve diğer omik verilerle birleştirildiğinde daha kapsamlı ve etkili olacaktır. Çoklu-omik yaklaşımlar, kanser biyolojisini daha derinlemesine anlamamızı sağlayarak, kişiselleştirilmiş tedavi stratejilerini geliştirecektir.

Gerçek Zamanlı Görüntüleme ve Tedavi Planlama

Radyogenomik, gerçek zamanlı görüntüleme ve tedavi planlama süreçlerinde kullanılabilir. Bu, tedavi sürecinin her aşamasında hastaların yanıtını izlemek ve tedavi planlarını optimize etmek için kullanılabilir. Gerçek zamanlı radyogenomik veriler, tedavi etkinliğini artırarak hastaların yaşam kalitesini iyileştirebilir.

Klinik Uygulamalarda Yaygın Kullanım

Radyogenomik araştırmalarının sonuçları, klinik uygulamalarda daha yaygın olarak kullanılmaya başlanacaktır. Bu, kanser tedavisinde kişiselleştirilmiş tıbbın yaygınlaşmasına ve hastaların tedavi sonuçlarının iyileşmesine katkıda bulunacaktır.

Uluslararası İşbirlikleri

Radyogenomik araştırmalarının başarılı olması için uluslararası işbirlikleri büyük önem taşımaktadır. Farklı ülkelerden araştırmacılar ve klinikler arasında veri paylaşımı ve işbirliği, radyogenomiğin daha hızlı ilerlemesini sağlayacaktır.

Sonuç

Radyogenomik, kanser tedavisinde kişiselleştirilmiş tıbbın anahtar bileşenlerinden biri olarak hızla gelişmektedir. Görüntüleme ve genomik verilerin entegrasyonu, tümör heterojenitesini anlamak, tedavi yanıtını tahmin etmek ve hastaların tedavi planlarını optimize etmek için güçlü bir araç sağlar. Radyogenomik, gelecekte kanser tedavisinde devrim yaratma potansiyeline sahip olup, hastaların yaşam kalitesini artıracak ve daha hassas tedavi stratejileri geliştirmeye katkıda bulunacaktır.

Radyogenomik, kişiselleştirilmiş tıbbın geleceğinde önemli bir rol oynamaya devam edecektir. Bu alandaki araştırmalar ve klinik uygulamalar, kanser tedavisinde daha etkili ve hedefe yönelik yaklaşımların geliştirilmesine katkıda bulunacaktır.