Ultrascharfe Flüssigbiopsie-Technologie erkennt Krebs früher als Standardmethoden

Eine KI-basierte Methode zum Nachweis von Tumor-DNA im Blut hat laut einer Studie unter der Leitung von Wissenschaftlern der Weill Cornell Medical School, des New York-Presbyterian, des New York Genome Center (NYGC) und des Memorial Sloan Kettering (MSK) eine beispiellose Sensitivität bei der Vorhersage eines Krebsrezidivs gezeigt. Die neue Technologie hat das Potenzial, die Krebsbehandlung zu verbessern, indem sie ein Rezidiv sehr frühzeitig erkennt und das Ansprechen des Tumors auf die Therapie genau überwacht.

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

„Es ist uns gelungen, das Signal-Rausch-Verhältnis deutlich zu verbessern, sodass wir beispielsweise ein Wiederauftreten von Krebs Monate oder sogar Jahre früher erkennen können als mit herkömmlichen klinischen Methoden“, sagte der Co-Autor der Studie, Dr. Dan Landau, Professor für Medizin in der Abteilung für Hämatologie und medizinische Onkologie an der Weill Cornell Medical School und Kernmitglied des New York Genome Center.

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

Die Flüssigbiopsie-Technologie hat ihr großes Potenzial nur langsam ausgeschöpft. Die meisten bestehenden Ansätze zielen auf relativ kleine Mengen krebsassoziierter Mutationen ab, die im Blut oft zu selten sind, um zuverlässig erkannt zu werden. Dies führt zu einer Unterschätzung des Krebsrückfalls.

Vor einigen Jahren entwickelten Dr. Landau und seine Kollegen einen alternativen Ansatz, der auf der Gesamtgenomsequenzierung von DNA in Blutproben basierte. Sie zeigten, dass sich dadurch deutlich mehr Signale erfassen ließen, was einen sensitiveren und logistisch einfacheren Nachweis von Tumor-DNA ermöglichte. Seitdem wird dieser Ansatz zunehmend von Entwicklern von Flüssigbiopsien 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-Apps wie ChatGPT verwendeten), um subtile Muster in den Sequenzierungsdaten zu erkennen, insbesondere um Muster, die auf Krebs hinweisen, von Mustern zu unterscheiden, die auf Sequenzierungsfehler und anderes „Rauschen“ hinweisen.

In einem Test trainierten die Forscher ihr System, genannt MRD-EDGE, darauf, patientenspezifische Tumormutationen bei 15 Dickdarmkrebspatienten zu erkennen. Nach Operation und Chemotherapie sagte das System anhand von Blutdaten voraus, dass bei neun von ihnen noch Krebs vorhanden war. Bei fünf dieser Patienten wurde mehrere Monate später mit weniger sensitiven Methoden ein Rezidiv festgestellt. Falsch-negative Ergebnisse gab es jedoch nicht: Bei keinem der Patienten, die MRD-EDGE als tumor-DNA-frei eingestuft hatte, trat während des Studienzeitraums ein Rezidiv auf.

MRD-EDGE zeigte in Studien an Patienten mit Lungenkrebs im Frühstadium und dreifach negativem Brustkrebs eine ähnliche Sensitivität, erkannte alle Rezidive bis auf eines frühzeitig und verfolgte den Tumorstatus während der Behandlung.

Die Forscher zeigten, dass MRD-EDGE sogar mutierte DNA aus präkanzerösen Kolonadenomen erkennen konnte – Polypen, aus denen sich Dickdarmkrebs entwickelt.

„Es war nicht klar, ob diese Polypen nachweisbare ctDNA freisetzen können. Dies ist also ein bedeutender Fortschritt, der möglicherweise zu zukünftigen Strategien zur Erkennung präkanzeröser Veränderungen führt“, sagte Dr. Landau, der auch Mitglied des Sandra and Edward Meyer Cancer Center an der Weill Cornell School of Medicine und Hämatologe und Onkologe am NewYork-Presbyterian/Weill Cornell Medical Center ist.

Schließlich zeigten die Forscher, dass MRD-EDGE auch ohne vorherige Schulung im Umgang mit Tumorsequenzierungsdaten von Patienten Reaktionen auf eine Immuntherapie bei Melanom- und Lungenkrebspatienten Wochen vor der Erkennung mit Standard-Röntgenbildgebung erkennen konnte.

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