Diagnose per KI

Durchbruch gegen Nasenhöhlenkrebs

29. November 2022, 10:01 Uhr | Ute Häußler
Künstliche Intelligenz Medizinelektronik Nasenhöhle Krens Diagnose
Mit konventionellen Mitteln ist Krebs in der Nasenhöhle schwer zu diagnostizieren. Jetzt verhilft KI zum Durchbruch in der Erkennung.
© Pixabay

Schwer diagnostizierbare Nasenhöhlentumore können jetzt per KI zu klassifiziert werden. Forschende der LMU und der Charité haben eine neue Methode entwickelt, um die chemischen Modifikationen der DNA zu analysieren.

Tumore in der Nasehöhle und der Nasennebenhöhle beschränken sich zwar auf einen kleinen Raum, umfassen aber ein sehr breites Spektrum mit vielen Tumorarten. Diese sind schwer zu diagnostizieren, da sie oft kein spezifisches Muster oder Erscheinungsbild aufweisen. Besonders gilt dies für die sogenannten sinonasalen undifferenzierten Karzinome oder kurz SNUCs.

Nun ist es einem Team von Forschenden der LMU, der Charité und des Deutschen Konsortiums für Translationale Krebsforschung (DKTK) gelungen, die Diagnostik entscheidend zu verbessern: Sie entwickelten ein KI-Tool, das auf der Basis chemischer DNA-Modifikationen Tumore zuverlässig unterscheidet und die mit den bislang verfügbaren Methoden nicht unterscheidbaren SNUCs vier deutlich unterschiedlichen Gruppen zuordnet. Dies könnte auch neue Möglichkeiten für zielgerichtete Therapien eröffnen.

Erkennen von chemischen Modikfikationen

Chemische Modifikationen der DNA spielen bei der Regulation der Genaktivität eine entscheidende Rolle. Dazu gehört auch die DNA-Methylierung, bei der DNA-Bausteine mit einer zusätzlichen Methylgruppe versehen werden. Bereits in früheren Studien konnten die Forschenden zeigen, dass das Methylierungsmuster des Erbguts für verschiedene Tumorarten spezifisch ist, weil es auf die Ursprungszelle des Tumors zurückgeführt werden kann.

»Darauf basierend haben wir nun die DNA-Methylierungsmuster von fast 400 Tumoren in Nasen- und Nasennebenhöhle erfasst«, sagt Prof. David Capper von der Charité. Dank einer umfangreichen internationalen Kooperation gelang es den Forschenden, eine so große Probenzahl zusammenzutragen, obwohl diese Tumore selten sind und insgesamt nur etwa vier Prozent aller bösartigen Tumoren im Hals-Nasen-Bereich ausmachen.

Vier Tumor-Gruppen mit unterschiedlicher Prognose

Für die Analyse der Methylierungsdaten entwickelten die Forschenden ein KI-Modell, das die Tumore verschiedenen Klassen zuordnet. »Methoden des maschinellen Lernens sind dabei aufgrund der großen Datenmenge unerlässlich«, sagt Dr. Philipp Jurmeister vom Pathologischen Institut der LMU. »Um tatsächlich Muster zu erkennen, mussten wir in unserer Studie mehrere Tausend Methylierungspositionen auswerten.« Dabei zeigte sich, dass SNUCs in vier Gruppen eingeteilt werden können, die sich auch noch bezüglich weiterer molekularer Eigenschaften unterscheiden.

Diese Ergebnisse sind auch klinisch relevant, da die unterschiedlichen Gruppen verschiedene Prognosen haben. »Eine Gruppe beispielsweise verläuft überraschend gut, obwohl die Tumoren unter dem Mikroskop sehr aggressiv aussehen", sagt der LMU-Forscher Prof. Frederik Klauschen. »Eine andere Gruppe dagegen hat eine schlechte Prognose.« Auf der Basis der molekularen Eigenschaften der Gruppen könnten Forschende möglicherweise in Zukunft auch gezielte neue Therapieansätze entwickeln. (uh)


Das könnte Sie auch interessieren

Verwandte Artikel

WEKA FACHMEDIEN GmbH