Background: The significance of different tumor spreading patterns in tongue squamous cell carcinoma (TSCC) is well known. Yet, automated analysis patterns are missing. This study evaluates the modified Polsby-Popper- (MPP) score in predicting survival and lymph node metastases as well as in determining patients at risk in the context of different surgical margin scenarios reflecting the aggressiveness of tumor spread. Methods: We developed an image analysis workflow to detect tumorous areas of Whole Slide Images. Specific measurements of the detected tissue were derived and a mathematical formula, i.e. the MPP score, was applied to reflect the tumor spread. After correlating the MPP score with well-known pathological parameters, we then performed survival analysis to assess its relevance on the oncological outcome. Machine learning (ML) models were developed to predict survival and occult cervical metastases. Results: The MPP score was associated with unfavorable tumor spread. Higher MPP scores were associated with worse overall survival and tongue carcinoma-specific survival (TCSS). Higher MPP scores were associated with unfavorable outcomes where a cancer-free surgical margin of <5 mm was achieved. The MPP score could successfully define patients at risk of distant metastasis in pT1-pT2 cancer. ML models including the MPP score could predict the 5-year TCSS efficiently and those predicting occult cervical lymph node disease benefitted from including the MPP score. Conclusion: We introduced an objective and observer-independent parameter, the MPP score, representing the aggressiveness of tumor spread in TSCC. We showed its prognostic relevance especially in pT1-pT2 TSCC and its use in ML models predicting TCSS and occult cervical metastases.

Hintergrund:Die Bedeutung unterschiedlicher Ausbreitungsmuster von Zungenkarzinomen (TSCC) ist gut bekannt. Es mangelt jedoch an automatisierten histologischen Analyse-Verfahren. In dieser Studie wird der modifizierte Polsby-Popper- (MPP-) Score, der die Aggressivität der Tumorausbreitung widerspiegelt, im Hinblick auf die Prädiktion von Überleben, Lymphknotenmetastasen sowie die Bestimmung von Risikopatienten, basierend auf unterschiedlichen chirurgischen Resektionsändern, evaluiert. Methoden: Wir haben einen Bildanalyse-Workflow entwickelt, um Tumorgewebe auf Whole Slide Images zu erkennen. Es wurden spezifische Messungen des erkannten Gewebes durchgeführt und eine mathematische Formel, der MPP-Score, wurde angewendet, um die Tumorausbreitung widerzuspiegeln. Nach Korrelation des MPP-Scores mit bekannten pathologischen Parametern führten wir Überlebensanalysen durch, um dessen klinische Relevanz zu bewerten. Es wurden Machine-Learning- (ML-) Modelle zur Prädiktion von Überleben und zervikalen Metastasen entwickelt. Ergebnisse: Allgemein war der MPP-Score mit ungünstigem Tumorwachstum assoziiert. Höhere MPP-Scores waren mit einem schlechteren tumorspezifischen Überleben assoziiert und gingen mit einem ungünstigen Outcome einher, wenn ein Resektionsrand <5mm betrug. Der MPP-Score konnte Patienten mit einem erhöhten Risiko für Fernmetastasen bei pT1-pT2-Tumoren erfolgreich definieren. ML-Modelle, die den MPP-Score einbeziehen, konnten das 5-Jahres-Überleben und okkulte zervikale Metastasen effizient prognostizieren. Fazit: Wir beschreiben mit dem MPP-Score einen objektiven Parameter, der die Aggressivität der Ausbreitung von TSCC widerspiegelt und zeigen seine prognostische Relevanz bzw. seine Anwendung zur Prädiktion von Überleben und okkultem Lymphknotenbefall.

Die Autorinnen/Autoren geben an, dass kein Interessenkonflikt besteht.