Machine learning methods offer great promise for fast and accurate detection and prognostication of COVID-19 from standard-of-care chest radiographs (CXR) and computed tomography (CT) images. Many articles have been published in 2020 describing new machine learning-based models for both of these tasks, but it is unclear which are of potential clinical utility. In this systematic review, we search EMBASE via OVID, MEDLINE via PubMed, bioRxiv, medRxiv and arXiv for published papers and preprints uploaded from January 1, 2020 to October 3, 2020 which describe new machine learning models for the diagnosis or prognosis of COVID-19 from CXR or CT images. Our search identified 2,212 studies, of which 415 were included after initial screening and, after quality screening, 61 studies were included in this systematic review. Our review finds that none of the models identified are of potential clinical use due to methodological flaws and/or underlying biases. This is a major weakness, given the urgency with which validated COVID-19 models are needed. To address this, we give many recommendations which, if followed, will solve these issues and lead to higher quality model development and well documented manuscripts.

PURPOSE Spatial heterogeneity of tumours is a major challenge in precision oncology. The relationship between molecular and imaging heterogeneity is still poorly understood, as it relies on the accurate co-registration of medical images and tissue biopsies. tumour moulds can guide the localization of biopsies, but their creation is time consuming, technologically challenging, and difficult to interface with routine clinical practice. These hurdles have so far hindered the progress in the area of multiscale integration of tumour heterogeneity data.METHODS We have developed an open source computational framework to automatically produce patient-specific 3D-printed moulds that can be used in the clinical setting. Our approach achieves accurate co-registration of sampling location between tissue and imaging, and integrates seamlessly with clinical, imaging and pathology workflows.RESULTS We applied our framework to patients with renal cancer undergoing radical nephrectomy. We created personalised moulds for five patients, obtaining Dice similarity coefficients between imaging and tissue sections ranging from 0.86 to 0.93 for tumour regions, and between 0.70 and 0.76 for healthy kidney. The framework required minimal manual intervention, producing the final mould design in just minutes, while automatically taking into account clinical considerations such as a preference for specific cutting planes.CONCLUSION Our work provides a robust and automated interface between imaging and tissue samples, enabling the development of clinical studies to probe tumour heterogeneity on multiple spatial scales.

Neuroendocrine neoplasms (NENs) are a diverse group of tumors with varying clinical behaviors. Their incidence has risen due to increased awareness, improved diagnostics, and aging populations. The 2019 World Health Organization classification emphasizes integrating radiology and histopathology to characterize NENs and create personalized treatment plans. Imaging methods like CT, MRI, and PET/CT are crucial for detection, staging, treatment planning, and monitoring, but each of them poses different interpretative challenges and none are immune to pitfalls. Treatment options include surgery, targeted therapies, and chemotherapy, based on the tumor type, stage, and patient-specific factors. This review aims to provide insights into the latest developments and challenges in NEN imaging, diagnosis, and management.

Abstract Background Despite the success of immunotherapy and VEGFR directed tyrosine kinase inhibitors (TKIs) for the treatment of renal cell carcinoma (RCC), a significant proportion of patients display primary or secondary resistance to systemic therapy. New treatment approaches are needed for these patients. Pre-surgical clinical trials allow us to study the effects of cancer treatment on the tumour microenvironment, comparing baseline biopsy with post-treatment nephrectomy in a ‘window of opportunity’ study. The results may give us insight into the mechanisms of new cancer therapies, that may be advanced into further clinical trials. Methods The WIRE trial (NCT03741426) is a phase II, multi-centre, multi-arm, non-randomised, neoadjuvant clinical trial platform. The overall aim of the trial is proof of mechanism for new RCC therapies. There are five investigational arms: 1. Cediranib (a VEGFR directed TKI), 2. Cediranib + Olaparib (a PARP inhibitor), 3. Olaparib, 4. Volrustomig (anti PD-1/CTLA-4 bispecific) and 5. Rilvegostomig (anti PD-1/TIGIT bispecific). The study uses a Bayesian adaptive design to optimise recruitment, with pre-specified criteria assessed at interim analyses to stop for futility, continue recruitment to that arm, or move to the next investigational arm. Eligible patients have cT1b+, cN0/1, cM0/1 clear cell RCC, planning to undergo surgery, without medical contraindication to trial therapy. Patients undergo baseline biopsy to confirm clear cell RCC and multiparametric dynamic contrast enhanced (DCE) MRI scan of the primary tumour. For tablet arms 1-3, patients receive at least 14 days of investigational medicinal product (IMP). For immunotherapy arms 4 & 5, patients receive one infusion of IMP. The tumour is re-evaluated by DCE-MRI immediately before surgery. At nephrectomy, multi-region tissue sampling from the tumour is performed both pre-arterial ligation and post resection. Serial translational blood and urine samples are collected before, during and after treatment. The primary endpoint for arms 1-3 is a ≥30% reduction in DCE-MRI assessed capillary permeability (Ktrans) compared to baseline. The primary endpoint for arms 4 & 5 is a ≥30% increase in IHC assessed CD8+ T cell density comparing the resected tumour to baseline biopsy. Secondary endpoints include RECIST v1.1 primary tumour response and adverse events. A comprehensive translational science programme accompanies the trial, which will assess the tumour microenvironment and peripheral blood response to therapy, using techniques including imaging mass cytometry and single cell RNA sequencing. This will allow us to gain a deep understanding of mechanisms of response in each investigational arm. To date, arms 1 & 2 have completed recruitment, and arm 3 is actively recruiting. Conclusions WIRE offers a unique opportunity to investigate the mechanisms of new therapies for RCC. Successful completion of these peri-surgical studies depends on co-ordination between many specialties, including surgery, oncology, radiology, and pathology. The adaptive design allows for efficient allocation of patients to treatment arms to generate optimal data for each IMP. WIRE may identify novel biomarkers of response and toxicity, to inform treatment selection for patients. The data generated will be a foundation for further trials of these IMPs in advanced disease.

Cell-free tumour-derived DNA (ctDNA) allows non-invasive monitoring of cancers but its utility in renal cell cancer (RCC) has not been established. Here, untargeted and targeted sequencing methods, applied to two independent cohorts of renal tumour patients (n=90), were used to determine ctDNA content in plasma and urine. Our data revealed lower plasma ctDNA levels in RCC relative to other cancers, with untargeted detection of ~33%. A sensitive personalised approach, applied to plasma and urine from select patients improved detection to ~50%, including in patients with early-stage and even benign lesions. A machine-learning based model predicted detection, potentially offering a means of triaging samples for personalised analysis. In addition, with limited data we observed that plasma, and for the first time, urine ctDNA may better represent tumour heterogeneity than tissue biopsy. Furthermore, longitudinal sampling of >200 plasma samples revealed that ctDNA can track disease course. Additional datasets will be required to validate these findings. Overall, our data highlight RCC as a ctDNA-low malignancy, but indicate potential clinical utility provided improvement in detection approaches.

Venous tumour thrombus (VTT), where the primary tumour invades the renal vein and inferior vena cava, affects 10-15% of renal cell carcinoma (RCC) patients. Curative surgery for VTT is high-risk, but neoadjuvant therapy may improve outcomes. The NAXIVA trial demonstrated a 35% VTT response rate after 8 weeks of neoadjuvant axitinib, a VEGFR-directed therapy. However, understanding non-response is critical for better treatment. We conducted a multiparametric investigation of samples collected during NAXIVA using digital pathology, flow cytometry, plasma cytokine profiling and RNA sequencing. Responders had higher baseline microvessel density and increased induction of VEGF-A and PlGF during treatment. A multi-modal machine learning model integrating features predicted response with an AUC of 0.868, improving to 0.945 when using features from week 3. Key predictive features included plasma CCL17 and IL-12. These findings may guide future treatment strategies for VTT, improving the clinical management of this challenging scenario.

Background/Objectives: Current guidelines recommend Cisplatin/Gemcitabine/Durvalumab as first-line treatment for inoperable or recurrent cholangiocarcinoma (CCA). Molecular tumor boards (MTB) have the expertise to support organ-specific tumor boards with evidence-based treatment recommendations for subsequent lines of treatment, based on genomic tumor data and scientific evidence. This study evaluates the adoption of an MTB at a comprehensive cancer center in Germany and whether actionable genetic alterations are associated with specific imaging phenotypes. Methods: Patients with CCA referred to MTB were enrolled from May 2019 to September 2021. For comparison, a cohort of patients from a second center was included. Data on treatment recommendations, regimens, and survival were collected from prospective registries. Baseline and follow-up contrast-enhanced CT were analyzed according to RECIST 1.1. The chi-square test and t-test were used to compare categorical and continuous variables. Results: 583 patients were referred to the MTB, and 92 patients (47 female/51%) with a mean age of 60.3 ± 11.2 were referred for CCA treatment. 65/92 patients harbored 1–3 targetable mutations. Liver metastases were more frequently observed in patients with targetable mutations (84% vs. 62%). Metastasis to the liver and lung was associated with increased sums of diameters (93 mm and 111 mm vs. 40/73 mm in patients with no liver/lung metastasis). The number of metastases in individual organs was unrelated to treatment targets. Follow-up was available for 25 patients with a median time until imaging progression of 23 weeks. Progression occurred as target progression in 63%, nontarget progression in 13%, and appearance of new lesions in 63%. Conclusions: Most patients with CCA harbored targetable mutations, some were related to disease patterns on imaging. The pattern of treatment response and progression was as diverse as the metastatic spread.