Wir analysierten 814 Patienten mit hochgradig serösem Ovarialkarzinom (HGSOC) in drei verschiedenen Kohorten: 394 Patienten vom Yonsei Severance Hospital (SEV-Kohorte), 284 Patienten aus der Cancer Genome Atlas Ovarian Cancer (TCGA-OV) Datenbank (TCGA-Kohorte) und 136 Patienten vom Samsung Medical Center (SMC-Kohorte). Die Patienten wurden basierend auf ihrem Platin-freien Intervall (PFI) in vier Gruppen eingeteilt. Um die Reaktionen auf platinbasierte Therapie vorherzusagen, wurden “Platin-resistente” und “teilweise platin-sensible” Patienten als schlechte Antwortgruppe und “Platin-sensitive” und “sehr platin-sensible” Patienten als günstige Antwortgruppe klassifiziert. Für die Vorhersage von BRCA-Mutationen und HRD-Status wurden Patienten mit verfügbaren Ergebnissen bewertet.
Es wurden sechs verschiedene multiple Instanz-Lernmodelle (MIL) untersucht, die auf verschiedenen Bildbereichen (alle Gewebe- und Krebssegmentbereiche) und Vergrößerungen basierten. Die MIL-Modelle wurden mithilfe von fünfmaliger Kreuzvalidierung der SEV-Kohorte trainiert und validiert. Das Modell für den Krebssegmentbereich bei 20-facher Vergrößerung zeigte die beste Leistung. Anschließend wurde das Modell PathoRiCH entwickelt, das auf dem Krebssegmentbereich bei 20-facher Vergrößerung basierte und die beste Vorhersageleistung für die Reaktion auf platinbasierte Therapie zeigte.
Durch Kombination von PathoRiCH-Ergebnissen mit BRCA- und HRD-Status konnten die Patienten in vier Untergruppen eingeteilt werden, was eine genauere Risikoeinschätzung ermöglichte als bei Verwendung nur molekularer Biomarker. Diese Subgruppen zeigten signifikant unterschiedliche Verteilungen der vier PFI-Gruppen. PathoRiCH wurde als unabhängiger prognostischer Faktor identifiziert und zeigte starke Assoziationen mit PFI, BRCA-Status und HRD-Status.
Visualisierungsanalysen und Transkriptom-Untersuchungen wurden durchgeführt, um die Entscheidungsgrundlage von PathoRiCH zu untersuchen. Die Ergebnisse zeigten, dass PathoRiCH effektiv histologische Merkmale vorhersagte, die mit verschiedenen Behandlungsreaktionen und Prognosen verbunden sind. Weiterhin wurde die Vorhersage von BRCA-Mutationen und HRD-Status mit unterschiedlichen Modellen bewertet, wobei einige Modelle gute Leistungen zeigten.
Insgesamt konnte PathoRiCH mit einer Kombination von histologischen Merkmalen und molekularen Biomarkern eine präzise Vorhersage der Reaktion auf platinbasierte Therapie ermöglichen und als unabhängiger prognostischer Faktor identifiziert werden. Die Ergebnisse zeigen das Potenzial von KI-Modellen in der personalisierten Medizin für Patienten mit HGSOC.