Evaluation von Sarkopenie bei großzelligem B-Zell-Lymphom mit Hilfe von künstlicher Intelligenz und der prognostische Einfluss auf das Überleben – eine Pilotstudie

Abstract

Hintergrund: Eine niedrige Skelettmuskelmasse und das Vorhandensein von Sarkopenie sind ungünstige Prognosefaktoren bei Patienten mit großzelligem B-Zell-Lymphom (DLBCL), welche eine Immunchemotherapie erhalten. Auf künstlicher Intelligenz-basierte Deep-Learning-Modelle wie neuronale Netze bieten leistungsstarke Möglichkeiten zur Bildverarbeitung und können zur Evaluation von Sarkopenie genutzt werden. Ziel dieser Studie war es, die Nutzung einer KI-basierten Evaluation der Muskelmasse zu bewerten und die prognostische Bedeutung der Muskelmasse bei Patienten mit DLBCL zu untersuchen.

Methods: Es handelt sich um eine retrospektive Kohortenstudie. Eingeschlossen wurden Patienten mit verfügbaren Computertomographie-(CT)-Bildern des Abdomens vor Behandlungsbeginn sowie nach Abschluss der Immuntherapie. Es wurden zwei Kohorten definiert: eine Patientenkohorte im Alter von <60 Jahren (n=27) stammend aus der prospektiven FLYER-Studie und eine Kohorte von Patienten im Alter von >80 Jahren (n=42). Die Messungen wurden sowohl mit einem Deep-Learning-Netzwerk als auch manuell durchgeführt. Das verwendete neuronale Netzwerk wurde zuvor validiert (McSweeney et al. 2022). Die Skelettmuskelfläche (SMA) wurde auf Höhe des dritten Lendenwirbels gemessen und der Skelettmuskelindex (SMI) wurde mittels Body-Mass-Index berechnet. Die erhobenen SMA- und SMI-Werte wurden genutzt, um anhand der Cut-off-Werten gemäß Van Werf et al. 2018 Sarkopenie zu definieren.

Ergebnisse: Bei allen Patienten wurde nach der Behandlung mit R-CHOP ein signifikanter Verlust der SMA (durchschnittlich 6,29 cm2) und SMI (durchschnittlich 2,31 cm2/m2) beobachtet (p < 0,001). Bei jungen Patienten war dieser Unterschied geringer und nicht statistisch signifikant. Der Verlust der Skelettmuskulatur und das Vorhandensein von Sarkopenie waren bei älteren Patienten ausgeprägter. Die Diagnose einer Sarkopenie sowohl vor (HR 2,87, 95 % KI 1,17–7,0, p = 0,021) als auch nach der Therapie (HR 3,17, 95 % KI 1,08–9,33, p = 0,037) war mit einem schlechteren Gesamtüberleben assoziiert. Bei Patienten im Alter von < 60 Jahren wurden die posttherapeutische SMA und SMI nicht durch die Anzahl der Zyklen beeinflusst. Die KI-basierten Auswertungen wurden durch die manuellen Auswertungen weitestgehend bestätigt.

Zusammenfassung: Der Skelettmuskelstatuts und das Vorhandensein von Sarkopenie bei Patienten mit DLBCL können mittels AI evaluiert und als negative Prognosefaktoren für deren Überleben verwendet werden.

Background: Low baseline skeletal muscle mass and sarcopenia are unfavourable prognostic factors in patients with large B cell lymphoma (DLBCL) treated with immunochemotherapy. Artificial intelligence deep learning models, such as neural networks provide powerful image processing opportunities and can be exploited for efficient evaluation of sarcopenia. This study aimed to evaluate the feasibility of evaluating muscle mass with a neural network and to examine the prognostic significance of muscle mass as per AI-evaluation in patients with DLBCL.

Methods: This is a retrospective cohort study. Only patients with available computer tomography (CT) images of the abdomen of diagnostic quality prior to treatment start and well as at end of treatment with R-CHOP were included. Two cohorts were selected: a patient cohort aged <60 years (n=27) from the prospective FLYER trial and a cohort of patients >80 years old (n=42). Measurements were performed both using a deep learning convolutional neural network and manually. The neural network used has been previously validated (McSweeney et al 2022). The skeletal muscle area (SMA) was measured at the level of the third lumbar vertebra and the skeletal muscle index (SMI) was calculated based on the body mass index. The measured SMA and SMI values were used to diagnose sarcopenia based on the cut-off values according to Van Werf et al 2018.

Results: Across all patients, a significant loss of SMA (in average 6.29 cm2) and SMI (in average 2.31 cm2/m2) was observed after treatment with R-CHOP (p < 0.001). In young patients this difference was smaller and was not statistically significant. Skeletal muscle loss and presence of sarcopenia was more prominent in elderly patients. The diagnosis of sarcopenia both before (HR 2.87, 95% CI 1.17-7.0, p=0.021) and after therapy (HR 3.17, 95% CI 1.08-9.33, p=0.037) was also associated univariately with worse overall survival. In patients aged <60 years, SMA and SMI post treatment was not affected by number of cycles. The AI-based evaluations was largely confirmed in the manual evaluation with only minor discrepancies.

Conclusion: Skeletal muscle status and sarcopenia can be accurately evaluated with AI in patients with DLBCL and is a negative prognostic factor for survival.