Mit Deep Learning schneller zur passenden Krebstherapie

mit immer mehr Behandlungsoptionen und Wissen um Mutationen werden die richtige Auswahl und Sequenzierung von Therapien zunehmend zu einer Wissenschaft. Doch wer hat im Alltag Zeit, sich gründlich mit der Informationsflut auseinanderzusetzen? Abhilfe könnte seitens der Künstlichen Intelligenz (KI) kommen: Ein Team des Berliner Max Delbrück Centers hat mit Flexynesis ein Toolkit entwickelt, das nicht nur auf klassischem maschinellen Lernen beruht, sondern mittels Deep Learning ganz unterschiedliche Datentypen gleichzeitig auswertet, wie Multi-Omics-Daten, speziell verarbeitete Texte und Bilder, etwa CT- oder MRT-Aufnahmen. Laut Seniorautor Dr. Altuna Akalin kann Flexynesis verschiedene medizinische Fragen gleichzeitig beantworten und helfen, geeignete Biomarker für die Diagnose und die Prognose zu identifizieren oder beim CUP-Syndrom den Ursprungstumor auszumachen. Der Wermutstropfen: Muti-Omics-Daten werden zwar in den USA in Tumorkonferenzen schon öfter diskutiert, in Deutschland aber bislang in den Kliniken (noch?) nicht routinemäßig erhoben.

Von den künstlichen neuronalen Netzen zu den natürlichen: Damit können offenbar auch Lungenkrebszellen etwas anfangen – sie bilden direkte Synapsen mit Nervenzellen, um sich auszubreiten, wie eine neue Studie zeigt. Dabei erfolgt die Kommunikation zwischen Nerven- und Krebszelle über Glutamat and GABA. Und ganz offensichtlich fühlten sich die Krebszellen in Anwesenheit sensorischer oder kortikaler Neuronen wohl und vermehrten sich schneller. Solche Synapsen waren bislang nur von Hirntumoren bekannt.

Mehr zu diesen und weiteren Studien lesen Sie in diesem Newsletter, auf unserem Nachrichtenportal und in unserer Zeitschrift KOMPAKT ONKOLOGIE.

Ich wünsche Ihnen eine entspannte Herbstwoche!