Kleinzelliger Lungenkrebs: Künstliche Intelligenz sagt Therapieansprechen und Überleben voraus

US-amerikanische Forschende haben mithilfe von künstlicher Intelligenz (KI) Muster auf Computertomographie(CT)-Scans identifiziert, die neue Hoffnung für die Behandlung von Patientinnen und Patienten mit kleinzelligem Lungenkrebs (SCLC) bieten.

Ein großer Teil der KI-Forschung im Zusammenhang mit Lungenkrebs beschäftige sich mit der nichtkleinzelligen Form der Erkrankung (NSCLC), zum SCLC werde in diesem Kontext eher wenig gearbeitet, erklärt Prof. Anant Madabhushi, Direktor des Center for Computational Imaging and Personalized Diagnostics (CCIPD) an der Case Western Reserve University (USA). Madabhushi ist außerdem Professor für Biomedizinische Technik am Donnell Institute der Case Western Reserve University. Dabei könne die Behandlung von SCLC-Patientinnen und -Patienten eine Herausforderung darstellten, fährt Madabhushi fort. Daher arbeitet sein Labor gemeinsam mit Onkologinnen und Onkologen der Universitätsklinik in Cleveland (USA) zusammen, um herauszufinden, welche Betroffenen mit einem SCLC auf eine Behandlung ansprechen.

Die Wissenschaftlerinnen und Wissenschaftler identifizierten eine Reihe von Radiomics-Mustern aus CT-Scans, die vor der Behandlung gemacht wurden. Anhand dieser war es ihnen möglich, das Ansprechen einer Person auf eine Chemotherapie vorherzusagen. Die Forschenden untersuchten auch den Zusammenhang zwischen den durch KI ermittelten Bildmerkmalen mit längerfristigen Ergebnissen.

Insbesondere stellten die Studienautorinnen und -autoren dabei fest, dass rechnerisch extrahierte Texturmuster des Tumors selbst – sowie der ihn umgebenden Region – bei Personen mit SCLC, die gut auf eine bestimmte Chemotherapie ansprachen, anders waren als bei Patientinnen und Patienten, bei denen dies nicht der Fall war. Darüber hinaus ließen sich mittels der KI Muster erkennen, die auf Patientinnen und Patienten hinwiesen, die nach der Therapie länger überlebten.

Schließlich zeigte die KI den Forschenden zufolge auch, dass die Aufnahmen von Personen, die nicht auf eine Chemotherapie ansprachen und schlechtere Überlebenschancen hatten, deutlich mehr heterogener und variabler waren.

Nächster Schritt: Prospektive Studien

Diese Ergebnisse der retrospektiven Studie bereiten nun die Grundlage für prospektive KI-gesteuerte klinische Untersuchung zum Behandlungsmanagement von SCLC-Patientinnen und -Patienten, erklärt Madabhushi. Die Resultate der aktuellen Studie seien bedeutsam, weil die Chemotherapie nach wie vor das Rückgrat der systemischen Behandlung sei.

„Obwohl die meisten Patientinnen und Patienten auf die Erstbehandlung ansprechen, kommt es häufig zu Rezidiven, und eine Subgruppe erweist sich als Chemotherapie-resistent“, unterstreicht Prantesh Jain, der während seiner Tätigkeit in der Abteilung für Hämatologie und Onkologie der Universitätsklinik Cleveland als einer der Hauptautoren an der Studie beteiligt war. Heute ist Jain Assistenzprofessor für Onkologie am Roswell Park Comprehensive Cancer Center in Buffalo (USA).

„Derzeit“, so Jain, „gibt es keine klinisch validierten prädiktiven Biomarker, um eine Subpopulation von Patientinnen und Patienten mit primärer Chemotherpaieresistenz oder frühem Rezidiv auszuwählen.“

Breitere KI-Initiative

Die Studie ist Teil umfassenderer Forschungsarbeiten am CCIPD, im Rahmen derer neuartige KI-Ansätze und Methoden des maschinellen Lernansätze zur Diagnose und Vorhersage des Ansprechens auf Therapien entwickelt werden.

„Unsere Bemühungen zielen darauf ab, unnötige Chemotherapien und damit das Leiden der Patientinnen und Patienten zu mindern“, erklärt Mohammadhadi Khorrami, Forscher am CCIPD sowie Doktorand im Bereich Biomedizintechnik Case Western Reserve University und ebenfalls Hauptautor der Studie. „Wenn wir wissen, welche Patientinnen und Patienten von einer Therapie profitieren, können wir ineffektive Behandlungen verringern und bei solchen Personen eine aggressivere Therapie verstärken, die nicht optimal auf die Erstlinientherapie ansprechen.“