Magen- und Darmkrebs: Mit künstlicher Intelligenz geeignete Patienten für eine Immuntherapie frühzeitig identifizieren

Wissenschaftler der Uniklinik RWTH Aachen, des Deutschen Krebsforschungszentrums (DKFZ) und des Nationalen Centrums für Tumorerkrankungen (NCT) Heidelberg haben einen lernfähigen Algorithmus entwickelt, der eine  Mikrosatelliteninstabilität direkt aus den Bildern von Gewebeproben vorhersagen kann.

Veränderungen von bestimmten Abschnitten im Erbgut einer Krebserkrankung– den sogenannten Mikrosatelliten – sind ein wichtiger Hinweis darauf, ob bei einem Patienten mit Magen- oder Darmkrebs eine Immuntherapie erfolgreich sein könnte. Wissenschaftler der Uniklinik RWTH Aachen, des Deutschen Krebsforschungszentrums (DKFZ) und des Nationalen Centrums für Tumorerkrankungen (NCT) Heidelberg haben einen lernfähigen Algorithmus entwickelt, der eine solche Mikrosatelliteninstabilität direkt aus den Bildern von Gewebeproben vorhersagen kann. Damit könnten Patienten, die von einer Immuntherapie profitieren, eventuell früher identifiziert werden. Die Forschungsergebnisse wurden in der Fachzeitschrift „Nature Medicine“ veröffentlicht.

Nur wenige Patienten mit Magen- oder Darmkrebs profitieren von einer Immuntherapie. Dabei haben manche Tumoren Veränderungen im Erbgut, sie tragen Mutationen in den als Mikrosatelliten bezeichneten, sich häufig wiederholenden Abschnitten des Erbguts. Diese Mikrosatelliteninstabilität (MSI) ist ein charakteristisches Merkmal zur Unterscheidung von verschiedenen Krebsarten des Magen-Darm-Trakts und bestimmt, ob Patienten mit diesen Erkrankungen besonders gut auf eine Immuntherapie mit Checkpoint-Inhibitoren ansprechen. Üblicherweise benötigt man für die Erkennung dieser Eigenschaften einen genetischen oder immunhistochemischen Test, der zusätzliche Kosten verursacht und in der klinischen Praxis nicht immer bei jedem Patienten durchgeführt wird.

Die Wissenschaftler aus Aachen und Heidelberg zeigten in Zusammenarbeit mit internationalen Kollegen, dass sich mit einem lernfähigen computergestützten Algorithmus – dem sogenannten Deep Learning – MSI direkt aus routinemäßig vorliegenden Bildern von Gewebeproben diagnostizieren lässt, ohne dass zusätzliche Labortests benötigt werden.

„Unser Ansatz hat das Potenzial, jeden Patienten mit Darmkrebs automatisch und kosteneffizient auf MSI zu testen und somit eine Immuntherapie einer größeren Gruppe von Darmkrebspatienten zukommen zu lassen“, sagt Jakob Nikolas Kather, Arzt und Wissenschaftler an der Klinik für Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Medizinische Klinik III) der Uniklinik RWTH Aachen und Mitarbeiter am DKFZ und NCT Heidelberg. „Damit besteht die Möglichkeit, auch Patienten zu identifizieren, bei denen sonst vielleicht nie eine Immuntherapie in Betracht gezogen würde. Allerdings muss dieser Ansatz erst in prospektiven Studien überprüft werden“, ergänzt Dirk Jäger, Ärztlicher und Geschäftsführender Direktor der Abteilung für Medizinische Onkologie am NCT in Heidelberg.