Chemo- und Immuntherapie bei Magenkrebs: Forschende entwickeln Modell zur Vorhersage des Ansprechens

„Magenkrebs gehört weltweit zu den häufigsten krebsbedingten Todesursachen“, erklärt Dr. Tae Hyun Hwang vom Mayo Clinic Cancer Center. Laut dem Wissenschaftler werden die meisten Betroffenen mit Magenkrebs mit einer Chemotherapie und manchmal mit einer Immuntherapie behandelt. Allerdings führen diese Therapien nicht bei allen zum Erfolg. „Wir wollten mithilfe der Genomsequenzierung ein Modell erstellen, das die Wahrscheinlichkeit vorhersagt, dass ein Betroffener von einer Chemotherapie oder einer Immuntherapie profitieren wird“, sagt Hwang.
Um dieses Modell zu erstellen, entwickelte und implementierte die Arbeitsgruppe um Hwang einen Algorithmus maschinellen Lernens, für den genetische Daten von mehr als 5000 Patientinnen und Patienten genutzt wurden. Dann entwickelten die Forschenden eine aus 32 Genen bestehende molekulare Signatur, anhand derer Entscheidungen zur Therapie getroffen werden könnten.

„Erfreulicherweise konnten wir feststellen, dass unsere 32-Gen-Signatur nicht nur prognostische Informationen lieferte, sondern auch den Patientennutzen von Chemotherapie und Immuntherapie vorhersagte“, berichtet Hwang. “Wir waren insbesondere überrascht, dass die von uns identifizierte 32-Gen-Signatur das Ansprechen einer Person auf eine Immuntherapie vorhersagen konnte, da die Identifizierung zuverlässiger Biomarker für das Ansprechen einer Immuntherapie bei Betroffenen mit Magenkrebs eine Herausforderung darstellte.”

Laut Hwang bedarf die molekulare Signatur aus 32 Genen noch einer prospektiven Validierung, doch er glaubt, dass sich damit letztendlich Patientinnen und Patienten identifizieren lassen, die wahrscheinlich auf eine Chemo- und Immuntherapie ansprechen. „In ähnlicher Weise könnten wir auch Betroffene identifizieren, die wahrscheinlich nicht von einer Chemo- und Immuntherapie profitieren, und ihnen so mögliche Nebenwirkungen dieser Behandlungen ersparen“, erklärt Hwang.

Der Forscher und sein Team arbeiten auch an der Entwicklung neuer Assays, die auf dem Expressionsniveau eines einzelnen – oder mehrerer – Gene basieren, um Biomarker zugänglicher und einfacher im klinischen Kontext einzusetzen. “Wir arbeiten an Algorithmen der künstlichen Intelligenz, die diagnostische histopathologische Bilder verwenden, um solche Patientinnen und Patienten zu identifizieren, die am wahrscheinlichsten von einer Immuntherapie profitieren”, sagt Hwang. „Wir untersuchen auch die molekularen Mechanismen der Immuntherapieresistenz, die durch die in unserem Labor entwickelten Ansätze des maschinellen Lernens und der künstlichen Intelligenz verfügbar gemacht werden.“