Neues multiskaliges Modell erkennt lipiddefizientes ccRCC präzise voroperativ

Forscher haben ein neuartiges, hierarchisches Modell entwickelt, das molekulare Signale, histologische Details und CT‑Bilder miteinander verknüpft, um das lipiddefiziente Subtyp des klarzelligen Nierenzellkarzinoms (DCCD‑ccRCC) bereits vor der Operation exakt zu identifizieren.

Durch die sogenannte Cross‑Modal‑Mapping werden molekulare Marker in pathologische und radiologische Merkmale übersetzt. Das PathoDCCD‑Modell erfasst mikroskopische Strukturen von Zellform bis zur regionalen Gewebestruktur, während RadioDCCD makroskopische Radiomics‑Daten – sowohl des gesamten Tumors als auch seiner Habitat‑Subregionen – mit einem 2‑D‑Heterogenitätsmaß kombiniert.

In einer Analyse von fünf unabhängigen Kohorten mit insgesamt 1 659 Patienten zeigte PathoDCCD eine hohe Genauigkeit bei der Rekonstruktion der molekularen Subtypen. RadioDCCD ermöglichte hingegen eine zuverlässige, voroperative Vorhersage, die Patienten mit den schlechtesten klinischen Prognosen identifizierte.

Das Ergebnis ist ein leistungsfähiges, multiskaliges Analysewerkzeug, das die Klassifikation von ccRCC über die Grenzen einzelner Modalitäten hinaus erweitert und damit die präzise Risiko‑Stratifizierung und Therapieplanung verbessert.