Eierstockkrebs: Forscher nutzen KI zur Entwicklung eines Frühdiagnosetests

Das Integrated Cancer Research Center des Georgia Institute of Technology, USA, hat maschinelles Lernen mit Informationen über Blutmetaboliten kombiniert, um einen neuen Früherkennungstest zu entwickeln, der Eierstockkrebs erkennt.

Seit mehr als drei Jahrzehnten ist es Ärzten nicht gelungen, einen hochpräzisen Früherkennungstest für Eierstockkrebs zu entwickeln. Jetzt haben Wissenschaftler des Integrated Cancer Research Center (ICRC) des Georgia Institute of Technology, USA, maschinelles Lernen mit Informationen über Blutmetaboliten kombiniert, um einen neuen Test zu entwickeln, der Eierstockkrebs mit einer Genauigkeit von 93 Prozent bei Proben aus der Studiengruppe des Teams erkennen kann.

John McDonald, emeritierter Professor an der Fakultät für Biowissenschaften, Gründungsdirektor des ICRC, erklärt, dass die Genauigkeit des neuen Tests bei der Erkennung von Eierstockkrebs besser ist als bei bestehenden Tests für Frauen, die klinisch als normal eingestuft werden. Die Ergebnisse und Methoden dieser Studie wurden in der Online-Ausgabe der Fachzeitschrift „Gynecologic Oncology“ veröffentlicht.

Auf der Grundlage ihrer Computermodelle haben die Forscher einen Ansatz entwickelt, von dem sie glauben, dass er klinisch nützlicher für die Diagnose von Eierstockkrebs sein wird. Dabei wird das individuelle Stoffwechselprofil einer Patientin verwendet, um eine genauere Wahrscheinlichkeit für das Vorhandensein oder Nichtvorhandensein der Krankheit zu bestimmen.

„Dieser personalisierte, probabilistische Ansatz in der Krebsdiagnostik ist klinisch informativer und genauer als herkömmliche binäre Tests [ja/nein]“, kommentiert McDonald. „Er stellt eine vielversprechende neue Richtung in der Früherkennung von Eierstockkrebs und vielleicht auch von anderen Krebsarten dar“, fügt er hinzu.

Silent Killer

Eierstockkrebs wird oft als Silent Killer („Stiller Killer“) bezeichnet, weil die Krankheit beim ersten Auftreten typischerweise asymptomatisch ist – und in der Regel erst in späteren Entwicklungsstadien entdeckt wird, wenn sie schwer zu behandeln ist.

McDonald erklärt, dass die durchschnittliche Fünf-Jahres-Überlebensrate für Patientinnen mit Eierstockkrebs im Spätstadium, selbst nach einer Behandlung, bei etwa 31 Prozent liegt – wenn Eierstockkrebs jedoch frühzeitig erkannt und behandelt wird, beträgt die durchschnittliche Fünf-Jahres-Überlebensrate mehr als 90 Prozent. „Es besteht eindeutig ein enormer Bedarf an einem genauen Früherkennungstest für diese heimtückische Krankheit“, betont McDonald.

Und obwohl die Entwicklung eines Früherkennungstests für Eierstockkrebs seit mehr als drei Jahrzehnten energisch vorangetrieben wird, hat sich die Entwicklung früher, genauer Diagnosetests als schwer fassbar erwiesen. Da Krebs auf molekularer Ebene beginnt, erklärt McDonald, gibt es mehrere mögliche Wege, die sogar zu ein und derselben Krebsart führen können.

„Aufgrund dieser großen molekularen Heterogenität unter den Patientinnen war es bisher nicht möglich, einen einzigen universellen diagnostischen Biomarker für Eierstockkrebs zu identifizieren”, so McDonald. „Aus diesem Grund haben wir uns entschieden, einen Zweig der künstlichen Intelligenz – das maschinelle Lernen – zu nutzen, um einen alternativen probabilistischen Ansatz für die Diagnose von Eierstockkrebs zu entwickeln“, ergänzt er.

Metabolische Profile

Dongjo Ban, dessen Dissertation zu der Studie beigetragen hat, erklärt: „Da bekannt ist, dass Endpunktveränderungen auf der Stoffwechselebene die zugrundeliegenden Veränderungen widerspiegeln, die kollektiv auf mehreren molekularen Ebenen wirken, haben wir Stoffwechselprofile als Rückgrat unserer Analyse gewählt.“

„Der Satz menschlicher Metaboliten ist ein kollektives Maß für die Gesundheit von Zellen“, fügt Co-Autor Jeffrey Skolnick hinzu, „und indem man nicht willkürlich eine Teilmenge im Voraus auswählt, lässt man die künstliche Intelligenz herausfinden, welches die Hauptakteure für eine bestimmte Person sind.“

Die Massenspektrometrie kann das Vorhandensein von Metaboliten im Blut durch den Nachweis ihrer Massen- und Ladungssignaturen feststellen. Die genaue chemische Zusammensetzung eines Metaboliten erfordert jedoch eine viel umfassendere Charakterisierung, so Ban.

Der Forscher Ban erklärt, dass es aufgrund der Tatsache, dass die genaue chemische Zusammensetzung von weniger als sieben Prozent der im menschlichen Blut zirkulierenden Metaboliten bisher chemisch charakterisiert wurde, derzeit unmöglich ist, die spezifischen molekularen Prozesse, die zum Stoffwechselprofil einer Person beitragen, genau zu bestimmen.

Das Forscherteam erkannte jedoch, dass, auch ohne die genaue chemische Zusammensetzung jedes einzelnen Metaboliten zu kennen, das bloße Vorhandensein verschiedener Metaboliten im Blut verschiedener Personen, wie sie durch Massenspektrometrie nachgewiesen werden, als Merkmal in die Erstellung genauer, auf maschinellem Lernen basierender Vorhersagemodelle einbezogen werden kann (ähnlich wie die Verwendung individueller Gesichtsmerkmale bei der Erstellung von Algorithmen zur Erkennung von Gesichtsmustern).

„Es ist bekannt, dass Tausende von Metaboliten im menschlichen Blutkreislauf zirkulieren, und sie können leicht und genau durch Massenspektrometrie nachgewiesen und mit maschinellem Lernen kombiniert werden, um eine genaue Diagnose von Eierstockkrebs zu erstellen“, kommentiert Ban.

Ein neuer probabilistischer Ansatz

Die Forscher entwickelten ihren integrativen Ansatz, indem sie metabolomische Profile und auf maschinellem Lernen basierende Klassifikatoren kombinierten, um einen Diagnosetest zu entwickeln, der bei 564 Frauen aus Georgia, North Carolina, Philadelphia, USA, und Westkanada eine Genauigkeit von 93 Prozent erreichte. 431 der Studienteilnehmerinnen waren Patientinnen mit aktivem Ovarialkarzinom, während die übrigen 133 Frauen in der Studie nicht an Eierstockkrebs erkrankt waren.

Weitere Studien wurden eingeleitet, um die Möglichkeit zu untersuchen, dass der Test in der Lage ist, ein sehr frühes Krankheitsstadium bei Frauen zu erkennen, die keine klinischen Symptome aufweisen, sagt McDonald.

McDonald sieht eine klinische Zukunft voraus, in der eine Person mit einem Stoffwechselprofil, das in einen Wertebereich fällt, der Krebs sehr unwahrscheinlich macht, nur eine jährliche Überwachung benötigt. Aber eine Person mit einem Stoffwechselprofil, das in einem Bereich liegt, in dem bei der Mehrheit (z.B. 90 %) bereits Eierstockkrebs diagnostiziert wurde, müsste wahrscheinlich häufiger überwacht werden – oder vielleicht sofort zu einem erweiterten Screening überwiesen werden, heißt es.