Artificial Intelligence-Based Solution for Bioluminescence Tomography Reconstruction for Glioblastoma Multiforme

Abstract

According to the World Health Organization (WHO), nearly one in every six deaths worldwide is due to cancer, making it the number one death cause worldwide. Treating cancer is different for each person, and it depends on the type of cancer and how advanced it is. But for almost half of all cancer patients, a treatment called radiation therapy or radiotherapy is used at least once. This treatment option uses strong ionizing radiation to target tumor cells. Ionizing radiation will damage the targeted body tissue, and with strong enough radiation, i.e. high radiation dose, it can even kill the cells inside the tissue. Therefore, the main goal of every radiation therapy is to target and destroy the tumor cells with high-dose ionizing radiation with minimum effect on the rest of the healthy cells and tissue. In recent years, technological advances have enabled clinicians to use various techniques to target tumors with radiation more effectively and make radiotherapy an efficient treatment for most tumor types. However, some tumors are more resistant to ionizing radiation or reappear after a short period. Glioblastoma, the most common and aggressive brain tumor, is one of such tumors that do respond well to the standard treatment, which includes a combination of radiation therapy and chemotherapy. Biologists have identified theoretically various reasons for this, but these hypotheses must be tested completely before translating into a clinical treatment option. Therefore, there is a need for a testing environment, namely preclinical research, that allows for fundamental research investigation and identifying new treatment options to ensure the safety of patients. Preclinical cancer research tries to improve the quality of the standard treatment options, with otherwise low survival rates, such as glioblastoma, by investigating novel ideas and hypotheses. In this field of research, new ideas are first tested in the lab environments on tumor cells growing in plates, and the treatment efficacy is monitored under the microscope. The next step is to ensure that the tumor cells behave similarly in the vicinity of other body tissues to ensure the same result in the human case. Therefore, the tumor cells are implanted inside small animals such as mice and rats and investigated even further. Since the clinical imaging and radiation therapy systems are too big for such small objects, a new field of research emerged, which resulted in commercially available imaging and radiotherapy systems dedicated to small animals. Small animal radiotherapy is a field of research that is very analogous to the routine clinical workflow. In other words, the animals are first imaged using a computed tomography (CT) system to identify the location of the tumor and then irradiated using X-ray radiation to destroy them. However, the dimensions of the animals and tumors in small animal radiotherapy are much smaller than the dimensions in humans, hence requiring a much higher precision and resolution. This increased resolution often causes the CT imaging in the small animal to deliver a higher X-ray radiation dose during the imaging process, namely the imaging radiation dose. Additionally, when it is considered together with the lower tolerance of small animals to ionizing radiation, it underlines the necessity of a novel imaging technology that can identify the location and shape of the tumors without radiation burden on the animals. Bioluminescence Imaging (BLI) is an imaging technique that uses the same biological process from a firefly to locate the tumor. In other words, the tumor cells are modified in the lab to emit visible light, similar to a firefly. In practice, these modified tumor cells are activated when a substrate is present in their vicinity and will emit light. Once the modified tumor cells are placed inside the animals, after the injection with the corresponding substrate, only the modified tumor cells will light up. Thereafter, the emitted light will travel through the surrounding tissue and leave the animal’s body. By this time, the emitted light will be not only diffused but also reduced in intensity due to the surrounding tissue. However, a very sensitive camera can still see this light in a very dark cabinet and create the BLI images, which corresponds well with how big the tumor is. This imaging technology can provide helpful information about the effect of each treatment option, especially radiation therapy, on the tumor cells by looking at the changes in the emitted light over the course of the treatment. However, this technique is not applicable for human subjects since it includes tumor cell modification and injection of a substrate borrowed from firefly. BLI is used in preclinical cancer research daily to monitor tumors’ response to various treatments and determine which treatments are more effective for different tumor types. However, the BLI ability is limited to tumor growth monitoring, and it cannot be used for targeting the tumor cells with X-ray radiation. Therefore, a high-dose CT scan is still needed to obtain the placement of the tumor and obtain a radiotherapy treatment plan, which finds the best arrangement of X-ray radiation beams that deliver the highest radiation dose to the tumor cells and the lowest possible radiation dose to the healthy tissue. In other words, the studies that want to investigate the role of X-ray radiation in cancer treatment cannot employ BLI as their imaging technique and must use a high-dose CT scan with previously mentioned limitations. This thesis aims to obtain the tumor placement in three dimensions (3D) using the information provided by the BLI and, therefore, enabling the use of the BLI for preclinical cancer research in small animal radiotherapy, specifically for glioblastoma. Here, to obtain the required 3D information from the 2D BLI images, a series of novel Artificial Intelligence (AI) approaches are developed that can accurately predict the tumor’s location inside the animal. The developed techniques in this thesis can locate the tumor within a millimeter of its actual location. Furthermore, the Dice similarity coefficient is routinely used to objectively measure the quality of tumor segmentation in medical imaging, which scores the overlap between the actual and the predicted tumor. The developed methods in this thesis can achieve an average Dice score ranging from 62 to 83% depending on the available information and the type of the employed AI model. Therefore allowing the biologists to target the investigated tumor cells using BLI.

Volgens de Wereldgezondheidsorganisatie (WHO) is bijna één op de zes sterfgevallen wereldwijd te wijten aan kanker, waardoor het de belangrijkste oorzaak van overlijden is. De behandeling van kanker is voor elke persoon anders en hangt af van het type kanker en hoe ver gevorderd het is. Voor bijna de helft van alle kankerpatiënten wordt minstens één keer als behandeling radiotherapie gebruikt. Deze behandeling maakt gebruik van sterke ioniserende straling om tumorcellen aan te vallen. Ioniserende straling zal het beoogde lichaamsweefsel beschadigen, en met voldoende sterke straling, dat wil zeggen een hoge stralingsdosis, kan het zelfs de cellen binnen het weefsel doden. Daarom is het hoofddoel van elke bestralingstherapie om de tumorcellen te vernietigen met een hoge dosis ioniserende straling, maar met zo min mogelijk effect op de rest van de gezonde cellen en weefsels. In de afgelopen jaren hebben technologische vooruitgangen clinici in staat gesteld om verschillende technieken te gebruiken om tumoren effectiever met straling te behandelen en radiotherapie een efficiënte behandeling te maken voor de meeste soorten tumoren. Sommige tumoren zijn echter meer resistent tegen ioniserende straling of komen na een korte periode terug. Glioblastoma, de meest voorkomende en agressieve hersentumor, is zo’n tumor die niet goed reageert op de standaardbehandeling, die een combinatie van bestralingstherapie en chemotherapie omvat. Biologen hebben theoretisch verschillende redenen voor dit gedrag geïdentificeerd, maar deze hypothesen moeten volledig worden getest voordat ze kunnen worden vertaald naar een klinische behandeloptie. Daarom is er behoefte aan een testomgeving, namelijk preklinisch onderzoek, dat fundamenteel onderzoek mogelijk maakt en nieuwe behandelopties identificeert om de veiligheid van patiënten te waarborgen. Preklinisch kankeronderzoek probeert de kwaliteit van de standaard behandelopties, met soms lage overlevingspercentages, zoals bij glioblastoma, te verbeteren door nieuwe ideeën en hypothesen te onderzoeken. In dit onderzoeksveld worden nieuwe ideeën eerst getest in laboratoriumomgevingen op tumorcellen die groeien in petrischalen, en de behandelingseffectiviteit wordt gevolgd onder de microscoop. De volgende stap is ervoor zorgen dat de tumorcellen zich op vergelijkbare wijze gedragen in de nabijheid van andere lichaamsweefsels om hetzelfde resultaat in het menselijk geval te waarborgen. Daarom worden de tumorcellen geïmplanteerd in kleine dieren, zoals muizen en ratten, en verder onderzocht. Aangezien de klinische beeldvormings- en bestralingssystemen te groot zijn voor dergelijke kleine objecten, ontstond er een nieuw onderzoeksgebied, wat resulteerde in commercieel verkrijgbare beeldvormings- en bestralingssystemen die zijn toegewijd aan kleine dieren. Bestralingstherapie bij kleine dieren is een onderzoeksgebied dat zeer analoog is aan de normale klinische workflow. Met andere woorden, de dieren worden eerst afgebeeld met behulp van een computertomografiesysteem (CT) om de locatie van de tumor te identificeren en vervolgens bestraald met röntgenstraling om de tumorcellen te vernietigen. De afmetingen en tumoren bij bestralingstherapie bij kleine dieren zijn echter veel kleiner dan die bij mensen, waardoor een veel hogere precisie en resolutie nodig is. Deze verhoogde resolutie zorgt er vaak voor dat de CT-beeldvorming bij kleine dieren een hogere dosis röntgenstraling aflevert tijdens het beeldvormingsproces, namelijk de beeldvormingsstralingdosis. Bovendien, wanneer dit samen wordt beschouwd met de lagere tolerantie van kleine dieren voor ioniserende straling, benadrukt dit de noodzaak van een nieuwe beeldvormingstechnologie die de locatie en vorm van tumoren kan identificeren zonder stralingsbelasting voor de dieren. Bioluminescentiebeeldvorming, Bioluminescence Imaging in het Engels (BLI), is een beeldvormingstechniek die hetzelfde biologische proces gebruikt als een vuurvliegje om de tumor te lokaliseren. Met andere woorden, de tumorcellen worden in het laboratorium aangepast om zichtbaar licht uit te zenden, vergelijkbaar met een vuurvliegje. In de praktijk worden deze gemodificeerde tumorcellen geactiveerd wanneer een substraat aanwezig is in hun omgeving en zullen ze licht uitstralen. Zodra de gemodificeerde tumorcellen in de dieren zijn geplaatst, na injectie met het overeenkomstige substraat, zullen alleen de gemodificeerde tumorcellen oplichten. Vervolgens zal het uitgezonden licht door het omringende weefsel bewegen en het lichaam van het dier verlaten. Tegen die tijd zal het uitgezonden licht niet alleen worden verspreid, maar ook in intensiteit verminderd zijn door het omringende weefsel. Desondanks kan een zeer gevoelige camera dit licht nog steeds zien in een zeer donkere kast en de BLI-beelden creëren, die goed overeenkomen met de grootte van de tumor. Deze beeldvormingstechnologie kan nuttige informatie verschaffen over het effect van elke behandelingsoptie, met name bestralingstherapie, op de tumorcellen, door naar de veranderingen in het uitgezonden licht gedurende de behandeling te kijken. Deze techniek is echter niet toepasbaar voor menselijke proefpersonen omdat deze tumorcelmodificatie en injectie een substraat geleend van een vuurvliegje omvat. BLI wordt dagelijks gebruikt in preklinisch kankeronderzoek om de respons van tumoren op verschillende behandelingen te monitoren en te bepalen welke behandelingen effectiever zijn voor verschillende tumortypen. De mogelijkheid van BLI is echter beperkt tot het monitoren van tumorgroei en kan niet worden gebruikt voor het richten van röntgenstraling op de tumor. Daarom is nog steeds een CT-scan met hoge dosis nodig om de locatie van de tumor te verkrijgen en een bestralingstherapieplan te maken, dat de beste rangschikking van röntgenstralenbundels vindt die de hoogste stralingsdosis aan de tumorcellen en de laagst mogelijke stralingsdosis aan het gezonde weefsel levert. Met andere woorden, studies die de rol van röntgenstraling bij kankerbehandeling willen onderzoeken, kunnen geen gebruik maken van BLI als hun beeldvormingstechniek en moeten een CT-scan met hoge dosis gebruiken met eerder genoemde beperkingen. Dit proefschrift heeft als doel de locatie van de tumor in drie dimensies (3D) te verkrijgen met behulp van de informatie die wordt geleverd door de BLI en maakt zo het gebruik van de BLI mogelijk voor preklinisch kankeronderzoek bij bestralingstherapie bij kleine dieren, specifiek voor glioblastoma. Om de vereiste 3D informatie te verkrijgen uit de 2D BLI-beelden, zijn een reeks nieuwe kunstmatige intelligentie, Artificial Intelligence in het Engels (AI), methoden ontwikkeld die de locatie van de tumor in het dier nauwkeurig kunnen voorspellen. De ontwikkelde technieken in deze scriptie kunnen de tumor binnen een millimeter van zijn werkelijke locatie lokaliseren. De Dice-similariteitscoëfficiënt wordt routinematig gebruikt om de kwaliteit van tumorsegmentatie in medische beeldvorming objectief te meten, wat de overlap tussen de werkelijke en voorspelde tumor beoordeelt. De ontwikkelde methoden in deze scriptie kunnen een gemiddelde Dicescore behalen variërend van 62 tot 83%, afhankelijk van de beschikbare informatie en het type gebruikte AI-model. Hierdoor kunnen biologen de onderzochte tumorcellen met behulp van BLI targeten.