Künstliche Intelligenz und Nanopore-Sequenzierung zur präzisen Identifikation von Hirntumoren
Eine Kombination aus neuer Labortechnologie und künstlicher Intelligenz (KI) soll eine schnelle und präzise Unterscheidung von Untergruppen von Hirntumoren flächendeckend verfügbar machen. Daran arbeitet eine internationale Forschungsgruppe unter Federführung von Prof. Dr. Dr. Felix Sahm von der Neuropathologie des Universitätsklinikums Heidelberg (UKHD) und der Medizinischen Fakultät Heidelberg der Universität Heidelberg (MFHD). Ziel ist es, künftig weltweit zuverlässig die individuell passende Krebstherapie bei Patienten mit Hirntumoren auswählen zu können.
Internationale Zusammenarbeit für präzisere Hirntumor-Diagnostik
Über Fördergelder von circa 1 Million Euro freuen kann sich das internationale Team des Projekts „DC2M-TAEC: Detection, Classification, Characterization and Treatment Monitoring of Tumors by Accessible Epigenetic Classification“ („Erkennung, Klassifizierung, Charakterisierung und Behandlungsüberwachung von Tumoren durch zugängliche epigenetische Klassifizierung“). Die Forschenden wollen Methoden entwickeln, um weltweit schneller und einfacher bestimmen zu können, welche Art von Hirntumor vorliegt. Gleichzeitig soll es in Zukunft einfacher werden, herauszufinden, wie Ärzt:innen den Tumor gezielter und effektiver behandeln können, indem das Team bestimmt, gegen welche Therapien der Tumor resistent ist. Neben dem UKHD sind zudem das Oslo University Hospital in Norwegen, die Acibadem University in Istanbul, Türkei, sowie das University Health Network aus Toronto, Kanada, an dem Projekt beteiligt.
Software weltweit verfügbar, aber Verfahren noch optimierungsbedürftig
Die Wissenschaftler:innen bauen auf einem bereits in Vorarbeiten am UKHD und an der Medizinischen Fakultät Heidelberg der Universität Heidelberg (MFHD), dem Hopp-Kindertumorzentrum Heidelberg (KiTZ) und dem Deutschen Krebsforschungszentrums (DKFZ) entwickelten KI-gestützten molekularen Diagnoseverfahren auf: Bei diesem diagnostiziert und klassifiziert ein Algorithmus zuverlässig Tumormaterial anhand der Methylierung der Krebszellen. „Die Software ist bereits weltweit frei für wissenschaftliche Zwecke zugänglich, jedoch ist die Erhebung der Daten, die in die Software gefüttert werden, noch langwierig. Mit DC2M-TAEC werden wir ein schnelleres und leichter zugängliches Verfahren entwickeln“, so Prof. Sahm. „Dabei sollen Analyseergebnisse aus den Gewebeproben sehr schnell zur Verfügung stehen, möglichst bereits während der Operation.“ Dafür kombiniert das Team den bereits entwickelten Methylierungsklassifikator mit der Nanopore-Sequenzierung. Bei diesem speziellen DNA-Analyseverfahren ist aufgrund spezifischer Spannungsveränderungen jeder der 4 Bausteine, aus denen sich die DNA zusammensetzt, genau erkennbar und damit auch die jeweilige DNA-Sequenz der Tumorzellen.
KI-gestützte Diagnostik soll schneller und zugänglicher werden
Indem die Expert:innen Methylierungsklassifikator und Nanopore-Sequenzierung optimal kombinieren, können sie zukünftig entsprechende Labore „viel günstiger und schneller einrichten. Auch die Analysen an sich sind damit schneller durchführbar“, erläutert Prof. Sahm. Das Projekt soll über einen existierenden Prototyp hinaus eine regelmäßige Anwendung während der Operation, aber auch an anderen Proben, z. B. Nervenwasser, ermöglichen.
Weiterentwicklung verschiedener Aspekte
Die Heidelberger Gruppe wird sich auf die bioinformatischen Aspekte der Methylierungs-Klassifizierung konzentrieren und deren Algorithmus so anpassen, dass er verschiedene Datentypen als Eingabe akzeptiert. Zudem testen und optimieren die Forschenden das Klassifizierungswerkzeug für die Analyse von einzelnen, isolierten DNA-Nanopore-Daten, um epigenetische Veränderungen im und um den Tumor im Laufe der Zeit zu untersuchen. Die Kolleg:innen in Oslo optimieren die Probenaufbereitung und Sequenzierung für die Klassifizierung während der Operation. Das Team aus Istanbul testet, ob das Verfahren in Ländern mit geringen und mittleren Einkommen gut umsetzbar ist. Die Forschenden aus Toronto werden die Nanopore-Sequenzierung für die Analyse von Flüssigbiopsien, zum Beispiel Blutproben oder Rückenmarksflüssigkeit, weiterentwickeln, um bereits vor der Operation den Tumor genau klassifizieren zu können.
Quelle:Universitätsklinikum Heidelberg