„Methylation Classifier“: KI-gestützte molekulare Krebsdiagnose bei Hirntumoren

Forschende haben einen weiteren Schritt zur präziseren Diagnose von Hirntumoren gemacht. Die neueste Version des KI-basierten „Heidelberg CNS Tumor Methylation Classifier“ erkennt mehr als 180 Tumorarten, doppelt so viele wie die Vorversion. Diese Weiterentwicklung kann Ärzten helfen, Tumoren des zentralen Nervensystems (ZNS) genauer zu bestimmen – und damit Therapien gezielter und schonender zu planen.

Das „Hopp-Kindertumorzentrum Heidelberg“ (KiTZ) ist eine gemeinsame Einrichtung des Deutschen Krebsforschungszentrums (DKFZ), des Universitätsklinikums Heidelberg (UKHD) und der Universität Heidelberg (Uni HD).

Lange war der Blick durch das Mikroskop allein ausschlaggebend für die Krebsdiagnose. Auch wurden bis vor Kurzem die meisten Hirntumoren hauptsächlich anhand ihrer mikroskopischen Eigenschaften in Tumorgruppen eingeordnet. Mittlerweile sind zusätzliche molekulare Analysen zu einer zentralen Säule der modernen Diagnostik in der Neuroonkologie geworden. Laut Weltgesundheitsorganisation (WHO) werden sie als wünschenswerte oder sogar unverzichtbare Methode für die genaue Klassifikation verschiedener Tumorarten aufgeführt.

Der „Methylation Classifier“ als Freund und Helfer der Ärzte

Der sogenannte „Methylation Classifier“ ist ein KI-basiertes Verfahren, DNA-Methylierungen auswertet, um den Ursprung und die Art eines Tumors zu bestimmen. „Diese epigenetischen Spuren sind wie ein molekularer Fingerabdruck und erlauben eine eindeutige Zuordnung von Tumoren des zentralen Nervensystems, von denen es mehr als 100 Unterarten gibt“, berichtet Prof. Felix Sahm, einer der beiden leitenden Autoren der Studie.

In der neuen Version 12.8 wurde der „Classifier“ auf Basis von etwa 7500 Tumorproben trainiert – fast dreimal so viele wie in der bisherigen Version. Die Zahl der erkennbaren Tumorarten stieg dadurch von 91 auf 184. Möglich wurde dies durch die enge Zusammenarbeit mit über 100 Kliniken und Forschungseinrichtungen weltweit, sowie durch Daten aus einer Online-Plattform, auf der Neuropathologen ihre Analysen teilen.

Das ursprünglich am Hopp-Kindertumorzentrum Heidelberg (KiTZ), am Deutschen Krebsforschungszentrum (DKFZ) sowie der Medizinischen Fakultät Heidelberg (MFHD) der Universität Heidelberg und des Universitätsklinikums Heidelberg (UKHD) entwickelte Verfahren nutzt dabei ein Teilgebiet der KI, sogenanntes maschinelles Lernen, um die Methylierungsmuster von Tumorproben automatisch zu analysieren. Es liefert zu jedem Ergebnis eine Wahrscheinlichkeitsbewertung. Dadurch können Pathologen einschätzen, wie zuverlässig die Diagnose ist.

Auswirkungen auf Therapieentscheidungen

Das klinische Potential der Methode zeigte sich bei der Analyse kindlicher Tumoren unterschiedlicher Patientenkohorten: Durch die Kombination der molekularen Daten mit klassischen Gewebeanalysen konnten zuvor falsch klassifizierte Fälle korrigiert werden. Manche Tumoren, die zuvor als bösartig eingestuft wurden, waren tatsächlich weniger aggressiv und damit auch die Überlebenschance der betroffenen Kinder besser als zunächst angenommen.

„In solchen Fällen könnte man demnach auch schonender behandeln“, betont auch David Jones, Abteilungsleiter am KiTZ und am DKFZ. „Das heißt, das Verfahren kann insgesamt dabei helfen, Tumoren genauer zu bestimmen, Therapieentscheidungen zu verbessern und die Prognose von Betroffenen mit ZNS-Tumoren zuverlässiger einzuschätzen.“

„Der Methylation Classifier“ ist weltweit kostenlos zugänglich

Die KI-gestützte Methode wurde im Jahr 2018 erstmals im Fachjournal „Nature“ veröffentlicht und durch die Online-Plattform kostenlos weltweit zugänglich gemacht. Seither wird der Heidelberger „Classifier“ von Pathologen weltweit genutzt. Über 160.000 Hirntumorproben aus allen Kontinenten wurden bislang analysiert.

Nachdem der „Methylation Classifier“ zunächst nur für Forschungszwecke genutzt werden konnte, wurde er im Jahr 2022 als Diagnostikverfahren durch die ausgegründete Heidelberg Epignostix GmbH weltweit zur Verfügung gestellt. Zudem wurde ein internationales Konsortium gegründet, um das gesamte Verfahren – von der Datengenerierung, bis hin zur KI-basierten Auswertung – auch in einkommensschwachen Ländern weltweit verfügbar zu machen.

Außerdem interessant zum „Methylation Classifier“:

Hirntumoren trotz kleiner Gewebemengen oder begrenzter Zeit sicher klassifizieren