Deep Learning löst intratumorale Heterogenität des Nierenzellkarzinoms erfolgreich auf

Eine aktuelle Forschungsarbeit aus den USA zeigt am Beispiel des klarzelligen Nierenzellkarzinoms (ccRCC) das Potenzial der Deep-Learn­ing(DL)-Analyse histopathologischer Bilder als schnelle und kostengünstige Methode zur Beurteilung der genetischen intratumoralen Heterogenität.

Die intratumorale Heterogenität, die sich aus der Tumorentwicklung ergibt, stellt biologisch und klinisch erhebliche Herausforderungen dar. Für die Analyse dieser Komplexität können DL-Algorithmen hilfreich sein, die molekulare Merkmale aus Hämatoxylin-und-Eosin(H&E)-gefärbten Gewebeschnitten ableiten können. Obwohl DL-Algorithmen entwickelt wurden, um einige Treibermutationen aus H&E-Bildern vorherzusagen, ist deren Fähigkeit, die intratumorale Mutationsheterogenität subklonal aufzulösen, bisher unerforscht. Hier setzt die US-weite Arbeitsgruppe an.

Die Wissenschaftler nutzten angepasste Immunhistochemie- und H&E-Bilder, um DL-Modelle zur Vorhersage der intratumoralen genetischen Heterogenität der drei am häufigsten mutierten ccRCC-Gene, BAP1, PBRM1 und SETD2, zu entwickeln. Die DL-Modelle wurden an einer großen Kohorte (n=1282) erstellt und an mehreren unabhängigen Kohorten getestet, darunter eine Kohorte des Forschungsprojektes „The Cancer Genome Atlas“ (n=363 Patienten) und zwei Tissue-Micro­array(TMA)-Kohorten (n=118; n=365). Die Forscher erweiterten diese Modelle zudem auch auf ein TMA, das auf von Patienten abstammenden Xenografts (PDX) beruht. Dies sollte eine Analyse von homotopen und heterotopen Wechselwirkungen von Tumor und Stroma ermöglichen.

Der Status aller drei Gene konnte durch DL abgeleitet werden, wobei BAP1 die höchste Sensitivität und Leistung innerhalb und zwischen Gewebeproben zeigte (AUC=0,87–0,89 bei Holdout). Die BAP1-Ergebnisse wurden an unabhängigen menschlichen (AUC=0,77–0,84) und PDX-Kohorten (AUC=0,80) validiert. Schließlich korrelierten BAP1-Vorhersagen mit klinischen Ergebnissen wie dem krankheitsfreien Überleben. „Insgesamt zeigen diese Daten, dass DL-Modelle die intratumorale Heterogenität bei Krebs mit potenziellen diagnostischen, prognostischen und biologischen Auswirkungen auflösen können“, resümieren die Autoren.

(ms)