Prognose bei Patienten mit Dickdarmkrebs
Forscher nutzen KI für die molekulare Tumorklassifizierung
Für eine zielgerichtete Therapie des kolorektalen Karzinoms benötigen die behandelnden Ärzte Informationen über den molekularen Subtyp des Tumors. Computer könnten dafür digitale Gewebebilder analysieren.
Dickdarmkrebs ist die dritthäufigste Tumorerkrankung bei Männern und Frauen mit weltweit jährlich rund 1.8 Mio. neuen Fällen. Operation, Bestrahlung und Chemotherapie sind bewährte Behandlungswege. Daneben gibt es eine ganze Reihe von Medikamenten zur zielgerichteten Therapie. Der Einsatz dieser Medikamente ist jedoch mit relevanten Nebenwirkungen verknüpft. Mit genauen Informationen über den molekularen Subtyp des Tumors mittels RNA-Sequenzierung kann die personalisierte Therapie unterstützt werden. Patientinnen und Patienten mit besonders aggressiven Tumoren können besser erkannt und molekular klassifiziert werden. Das ist allerdings ressourcenintensiv und teuer. Zudem können derzeit bis zu 20 Prozent der Proben nicht abschliessend klassifiziert werden, weil beispielsweise zu wenig Material vorliegt oder die Ergebnisse nicht eindeutig sind.
Weiterentwicklung dank Bildanalyse und künstlicher Intelligenz
Ein Forscherteam unter der Leitung von Prof. Dr. Viktor Kölzer, Institut für Pathologie und Molekularpathologie des Universitätsspitals Zürich, und von Prof. Dr. Jens Rittscher, Institute of Biomedical Engineering der Universität Oxford, hat eine günstigere und schnellere Methode entwickelt: Sie lassen Computer hochauflösende Bilder von histologischen Schnitten mit Künstlicher Intelligenz (KI) analysieren. So erfahren sie das Genexpressionsprofil des Tumors und erhalten Hinweise darauf, mit welchem Medikament er sich allenfalls behandeln lässt.
Im Gegensatz zum bisherigen Goldstandard – der RNA-Sequenzierung – ist für dieses rein bildgestützte Verfahren kein weiteres Gewebematerial notwendig. Es funktioniert auch an sehr kleinen Gewebefragmenten und erlaubt die Klassifizierung bislang aufgrund technischer Limitationen der Sequenzierung nicht zugänglicher Gewebeproben. Das Verfahren generiert zudem potentiell deutlich geringere Kosten.
Für eine Studie wurden 1553 Scans von Gewebeschnitten mittels maschinellen Sehens und KI mit RNA-Expressionsprofilen, Genmutationen und klinischen Verlaufsdaten analysiert. Nun muss die neue Methode in prospektiven, randomisierten klinischen Studien validiert werden. Noch arbeiten die Pathologen weitgehend analog – doch das könnte sich ändern, selbst in Ländern mit geringeren Ressourcen. (me)
