lyprox

Was ist lyprox ?

Es handelt sich um eine Django-Web-App, die die detaillierten Muster von Lymphmetastasen bei Kopf- und Halskrebs anzeigt und es ermöglicht, die zugrunde liegenden Datensätze detailliert zu untersuchen. Es wird unter der URL https://lyprox.org gehostet.

Motivation

HNSCC breitet sich über das Lymphsystem des Halses aus und bildet Metastasen in regionalen Lymphknoten. Makroskopische Metastasen können mit bildgebenden Verfahren wie MRT-, PET- und CT-Scans erkannt werden. Sie werden dann konsequenterweise in das Zielvolumen einbezogen, wenn im Rahmen der Behandlung eine Strahlentherapie gewählt wird. Allerdings sind mikroskopisch kleine Metastasen zu klein, um mit aktuellen bildgebenden Verfahren diagnostiziert zu werden.

Um dieser mikroskopischen Beteiligung Rechnung zu tragen, werden Teile des Lymphsystems häufig gezielt bestrahlt, um die Tumorkontrolle zu verbessern. Welche Teile in diesem elektiven klinischen Zielvolumen enthalten sind, wird derzeit auf Basis der Leitlinien ^{1 2 3 4} entschieden. Diese wiederum werden aus Berichten über die Prävalenz der Beteiligung pro Lymphknotenebene (LNL) abgeleitet, d. h. dem Anteil der Patienten, bei denen in einem bestimmten LNL Metastasen diagnostiziert wurden, stratifiziert nach primärer Tumorlokalisation. Es wird empfohlen, ein LNL in das elektive Zielvolumen aufzunehmen, wenn 10–15 % der Patienten eine Beteiligung an diesem bestimmten Niveau zeigten.

Obwohl in der Literatur über die Prävalenz der Beteiligung berichtet wurde ^{5 6} und die allgemeinen Lymphdrainagewege gut verstanden sind, sind die detaillierten Verlaufsmuster von HNSCC nach wie vor nur unzureichend quantifiziert. Wir glauben, dass das Risiko einer mikroskopischen Beteiligung bei einem LNL stark von der spezifischen Diagnose eines bestimmten Patienten abhängt und dass seine Behandlung daher personalisiert werden kann, wenn die Progressionsmuster besser quantifiziert würden.

Unser Ziel

Mit der Schnittstelle wollen wir in erster Linie unseren extrahierten Datensatz leicht zugänglich machen. Durch die interaktive Visualisierung kann man die lymphatische Ausbreitung von HNSCC sehr schnell testen oder Hypothesen darüber aufstellen. Hoffentlich motiviert dies wiederum andere Forscher, diese Hypothesen zu untersuchen, mehr Daten mit ähnlichen Details zu extrahieren und zu teilen.

Dies wiederum würde es uns (oder eigentlich jedem anderen) ermöglichen, genauere und präzisere Tumorprogressionsmodelle zu erstellen. Beispielsweise wie frühere Arbeiten zur Verwendung von Bayes'schen Netzwerken zur Vorhersage der personalisierten Beteiligungswahrscheinlichkeit ⁷ oder unsere jüngste Veröffentlichung zu diesem Thema, bei der versteckte Markov-Modelle verwendet und damit eine explizite Methode zur Modellierung der Zeit eingeführt wird ⁸ .

Datensätze lymphatischer Progressionsmuster

Die in dieser Schnittstelle visualisierten Daten befinden sich in einem eigenen Open-Source-Repository: lyDATA.

Wir haben auch einen Artikel über den Datensatz und die Schnittstelle in Radiotherapy & Oncology ⁹ veröffentlicht, wobei ein Vorabdruck auf medRxiv ¹⁰ verfügbar ist.

Wahrscheinlichkeitsmodelle für die personalisierte CTV-Definition

Wir arbeiten auch an probabilistischen Modellen ^{7 8} , die die lymphatische Ausbreitung von Kopf- und Halskrebs vorhersagen können. Der zugrunde liegende Code wird in einem anderen Repository gehostet: Lymphe.

So können Sie einen Beitrag leisten

Es gibt zwei Möglichkeiten, wie Sie zu diesem Projekt beitragen können:

1. Wenn Sie ein klinischer Forscher auf diesem Gebiet sind und Ihre Daten mit uns teilen möchten, kontaktieren Sie uns bitte per E-Mail: [email protected].
2. Die andere Möglichkeit besteht darin, zu diesem Repository beizutragen, z. B. wenn Sie Softwareentwickler sind. Ich halte dies aufgrund des sehr spezifischen Umfangs dieser Django-App für etwas unwahrscheinlich, aber wir freuen uns trotzdem über jeden Beitrag. In diesem Fall finden Sie eine ausführliche Dokumentation des Quellcodes auf den GitHub-Seiten.

Führen Sie diese Schnittstelle lokal aus

Wenn Sie Ihre Daten selbst hosten oder ausprobieren möchten, wie Ihre Daten in der Web-App aussehen, ohne sich auf einen Upload festzulegen, befolgen Sie einfach diese Anweisungen, um sie auf Ihrem lokalen Computer zum Laufen zu bringen.

Fußnoten

1. Vincent Grégoire und andere, Auswahl und Abgrenzung von Lymphknoten-Zielvolumina bei der konformen Strahlentherapie im Kopf- und Halsbereich. Vorschlag zur Standardisierung von Terminologie und Verfahren basierend auf der chirurgischen Erfahrung , Radiotherapy and Oncology , vol. 56, S. 135–150, 2000, doi: https://doi.org/10.1016/S0167-8140(00)00202-4. ↩

2. Vincent Grégoire, A. Eisbruch, M. Hamoir und P. Levendag, Proposal for the delineation of the nodal CTV in the node-positive and the post-operative neck , Radiotherapy and Oncology , vol. 79, Nr. 1, S. 15–20, April 2006, doi: https://doi.org/10.1016/j.radonc.2006.03.009. ↩

3. Vincent Grégoire et al., Abgrenzung der Halsknotenhöhen bei Kopf- und Halstumoren: Ein Update aus dem Jahr 2013. DAHANCA, EORTC, HKNPCSG, NCIC CTG, NCRI, RTOG, TROG-Konsensrichtlinien , Strahlentherapie und Onkologie , vol. 110, nein. 1, S. 172–181, Januar 2014, doi: https://doi.org/10.1016/j.radonc.2013.10.010. ↩

4. Julian Biau et al., Auswahl der Lymphknoten-Zielvolumina für die definitive Kopf- und Hals-Strahlentherapie: ein Update aus dem Jahr 2019 , Radiotherapy and Oncology , vol. 134, S. 1-9, Mai 2019, doi: https://doi.org/10.1016/j.radonc.2019.01.018. ↩

5. Jatin. P. Shah, FC Candela und AK Poddar, Die Muster zervikaler Lymphknotenmetastasen bei Plattenepithelkarzinomen der Mundhöhle , Krebs , vol. 66, Nr. 1, S. 109–113, 1990, doi: https://doi.org/10.1002/1097-0142(19900701)66:1%3C109::AID-CNCR2820660120%3E3.0.CO;2-A. ↩

6. Laurence Bauwens et al., Prävalenz und Verteilung zervikaler Lymphknotenmetastasen bei HPV-positiven und HPV-negativen oropharyngealen Plattenepithelkarzinomen , Strahlentherapie und Onkologie , vol. 157, S. 122-129, April 2021, doi: https://doi.org/10.1016/j.radonc.2021.01.028. ↩

7. Bertrand Pouymayou, P. Balermpas, O. Riesterer, M. Guckenberger und J. Unkelbach, A Bayesian Network Model of Lymphatic Tumor Progression for Personalized Elective CTV Definition in Head and Neck Cancers , Physics in Medicine & Biology , vol. 64, Nr. 16, S. 165003, Aug. 2019, doi: https://doi.org/10.1088/1361-6560/ab2a18. ↩ ↩ ²

8. Roman Ludwig, B. Pouymayou, P. Balermpas und J. Unkelbach, A Hidden Markov Model for Lymphatic Tumor Progression in the Head and Neck , Sci Rep , vol. 11, nein. 1, S. 12261, Dez. 2021, doi: https://doi.org/10.1038/s41598-021-91544-1. ↩ ↩ ²

9. Roman Ludwig et al., Detaillierte patientenindividuelle Berichterstattung über die Lymphknotenbeteiligung beim oropharyngealen Plattenepithelkarzinom mit einer Online-Schnittstelle , Strahlentherapie und Onkologie , Februar 2022, doi: https://doi.org/10.1016/j.radonc.2022.01 .035. ↩

10. Roman Ludwig, J.-M. Hoffmann, B. Pouymayou et al., Detaillierte patientenindividuelle Berichterstattung über die Lymphknotenbeteiligung beim oropharyngealen Plattenepithelkarzinom mit einer Online-Schnittstelle , medRxiv , Dez. 2021. doi: https://doi.org/10.1101/2021.12.01.21267001. ↩