Forscher am Dana-Farber Cancer Institute haben ein Deep-Learning-Modell entwickelt, das zuvor unbemerkte Merkmale in Karzinomen des klarzelligem Nierenzellkarzinoms (ccRCC) auf dem Pathologieschnitt identifizieren kann. Das Modell kann Tumormikroheterogenität und Immuneigenschaften wie immunologische Infiltration erkennen, die zur Vorhersage der Wirksamkeit von Immuntherapie bei Patienten mit dieser seltenen Form von Nierenkrebs beitragen könnten. Die Ergebnisse legen nahe, dass die Pathologieschnitte von ccRCC-Tumoren wichtige biologische Informationen enthalten, die zum Verständnis dieser Krebsart beitragen und möglicherweise auch für andere Krebsarten verwendet werden könnten.
Das Nierenzellkarzinom ist eine der häufigsten Krebsarten weltweit, und ccRCC macht den Großteil der metastatischen Fälle aus. Während einige Tumore positiv auf Immun-Checkpoint-Inhibitoren angesprochen haben, gibt es derzeit keine diagnostische Methode, um festzustellen, ob ein bestimmter Tumor anspricht.
Das KI-Tool wurde zunächst darauf trainiert, den Kerngrad eines Tumors zu bewerten, der angibt, wie stark sich die Tumorzellen von normalen Zellen unterscheiden. Es konnte den Kerngrad erfolgreich bestimmen und auch Unterschiede in der Gradeinteilung im gesamten Tumor erkennen. Basierend auf diesen Erkenntnissen entwickelten die Forscher das Modell weiter, um Tumormikroheterogenität und Immuneigenschaften auf dem gesamten Pathologieschnitt zu quantifizieren.
Die Analyse der Pathologieschnitte ergab, dass einige Tumore homogen waren, während andere eine Vielzahl von unterschiedlichen Kerngraden und Immuninfiltrationsmustern zeigten. Anschließend nutzten die Forscher Daten aus einer klinischen Studie und stellten fest, dass Tumormikroheterogenität und Immuninfiltration mit einer verbesserten Gesamtüberlebensrate bei Patienten in Verbindung standen, die Immun-Checkpoint-Inhibitoren einnahmen.
Das KI-Tool hat das Potenzial, wertvolle Erkenntnisse zur Tumorbiologie zu liefern und die personalisierte Krebsbehandlung zu unterstützen. Die Forscher testen das Tool derzeit in einer klinischen Studie, in der eine Kombinationsimmuntherapie als Erstlinienbehandlung für ccRCC eingesetzt wird.
Diese Studie zeigt die wachsende Konvergenz von KI und Krebsbiologie auf und eröffnet die Möglichkeit, zentrale Merkmale von Tumoren und ihrer immunologischen Umgebung zu messen. Mit skalierbaren KI-Tools können möglicherweise mehr Informationen aus Pathologieschnitten gewonnen werden, was zu einem besseren Verständnis und einer besseren Betreuung von Krebspatienten führen kann.
Quellen:
– Cell Reports Medicine
– Dana-Farber Cancer Institute
