Ultraempfindliche Flüssigbiopsie-Technologie erkennt Krebs früher als Standardmethoden

Eine Methode, die künstliche Intelligenz nutzt, um Tumor-DNA im Blut zu erkennen, hat laut einer Studie unter der Leitung von Wissenschaftlern der Weill Cornell Medical School, des NewYork-Presbyterian, des New York Genome Center (NYGC) und des Memorial Sloan Kettering (MSK) eine beispiellose Sensitivität bei der Vorhersage eines Krebsrückfalls gezeigt. Die neue Technologie hat das Potenzial, die Krebsbehandlung zu verbessern, indem sie Rückfälle sehr früh erkennt und die Reaktion des Tumors auf die Therapie genau überwacht.

In einer am 14. Juni in der Fachzeitschrift Nature Medicine veröffentlichten Studie zeigten Forscher, dass sie ein maschinelles Lernmodell, eine Art künstliche Intelligenzplattform, trainieren konnten, um zirkulierende Tumor-DNA (ctDNA) basierend auf DNA-Sequenzierungsdaten aus Bluttests von Patienten mit sehr hoher Sensitivität und Genauigkeit zu erkennen. Sie demonstrierten die Technologie erfolgreich bei Patienten mit Lungenkrebs, Melanom, Brustkrebs, Dickdarmkrebs und präkanzerösen Dickdarmpolypen.

„Wir konnten das Signal-Rausch-Verhältnis deutlich verbessern, sodass wir beispielsweise ein Wiederauftreten von Krebs Monate oder sogar Jahre vor den üblichen klinischen Methoden erkennen konnten“, sagte der Co-Autor der Studie, Dr. Dan Landau, Professor für Medizin an der Abteilung für Hämatologie und medizinische Onkologie der Weill Cornell Medical School und Kernmitglied des New York Genome Center.

Co-Autor und Erstautor der Studie war Dr. Adam Widman, ein Postdoktorand in Landaus Labor, der auch Brustkrebs-Onkologe am MSK ist. Weitere Erstautoren waren Minita Shah vom NYGC, Dr. Amanda Friedendahl von der Universität Aarhus und Daniel Halmos vom NYGC und der Weill Cornell Medical School.

Die Technologie der Flüssigbiopsie konnte ihr großes Potenzial lange Zeit nicht ausschöpfen. Die meisten bestehenden Ansätze zielen auf relativ kleine Mengen krebsassoziierter Mutationen ab, die im Blut oft zu selten sind, um sie zuverlässig zu erkennen, was zu einer Unterschätzung der Krebsrezidive führt.

Vor einigen Jahren entwickelten Dr. Landau und seine Kollegen einen alternativen Ansatz, der auf der Sequenzierung des gesamten Genoms von DNA in Blutproben basierte. Sie zeigten, dass auf diese Weise viel mehr „Signale“ gesammelt werden konnten, was eine empfindlichere und logistisch einfachere Erkennung von Tumor-DNA ermöglichte. Seitdem wird dieser Ansatz von Entwicklern von Flüssigbiopsien immer häufiger übernommen.

In der neuen Studie gingen die Forscher noch einen Schritt weiter und verwendeten eine fortschrittliche Strategie des maschinellen Lernens (ähnlich der in beliebten KI-Anwendungen wie ChatGPT verwendeten), um subtile Muster in Sequenzierungsdaten zu erkennen, insbesondere um Muster, die auf das Vorhandensein von Krebs hinweisen, von Mustern zu unterscheiden, die auf Sequenzierungsfehler und anderes „Rauschen“ hinweisen.

In einem Test trainierten die Forscher ihr System, das sie MRD-EDGE nannten, darauf, patientenspezifische Tumormutationen bei 15 Dickdarmkrebspatienten zu erkennen. Nach der Operation und Chemotherapie sagte das System auf der Grundlage von Blutdaten voraus, dass neun von ihnen immer noch Krebs hatten. Bei fünf dieser Patienten wurde später mehrere Monate später mit weniger empfindlichen Methoden ein Rückfall festgestellt. Es gab jedoch keine falsch-negativen Ergebnisse: Keiner der Patienten, die von MRD-EDGE als tumor-DNA-frei eingestuft wurden, erlitt während des Untersuchungszeitraums einen Rückfall.

MRD-EDGE hat in Studien an Patienten mit Lungenkrebs im Frühstadium und dreifach negativem Brustkrebs eine ähnliche Sensitivität gezeigt, wobei alle Rückfälle bis auf einen frühzeitig erkannt und der Tumorstatus während der Behandlung überwacht wurden.

Forscher haben gezeigt, dass MRD-EDGE sogar mutierte DNA aus präkanzerösen Kolonadenomen erkennen kann, den Polypen, aus denen sich Dickdarmkrebs entwickelt.

„Es war nicht klar, ob diese Polypen nachweisbare ctDNA freisetzen können, daher ist dies ein bedeutender Fortschritt, der auf zukünftige Strategien zur Erkennung präkanzeröser Veränderungen hinweisen könnte“, sagte Dr. Landau, der auch Mitglied des Sandra and Edward Meyer Cancer Center an der Weill Cornell Medical School und Hämatologe-Onkologe am NewYork-Presbyterian/Weill Cornell Medical Center ist.

Schließlich zeigten die Forscher, dass selbst ohne vorherige Schulung Anhand der Tumorsequenzierungsdaten von Patienten kann MRD-EDGE Immuntherapiereaktionen bei Melanom- und Lungenkrebspatienten Wochen vor der Entdeckung mithilfe von Standard-Röntgenbildgebung erkennen.

„Insgesamt deckt MRD-EDGE einen großen Bedarf ab, und wir sind von seinem Potenzial begeistert und arbeiten mit Partnern aus der Industrie zusammen, um es Patienten zugänglich zu machen“, sagte Dr. Landau.