Esanum is an online network for approved doctors

Esanum is the medical platform on the Internet. Here, doctors have the opportunity to get in touch with a multitude of colleagues and to share interdisciplinary experiences. Discussions include both cases and observations from practice, as well as news and developments from everyday medical practice.

esanum ist ein Online-Netzwerk für approbierte Ärzte

esanum ist die Ärzteplattform im Internet. Hier haben Ärzte die Möglichkeit, mit einer Vielzahl von Kollegen in Kontakt zu treten und interdisziplinär Erfahrungen auszutauschen. Diskussionen umfassen sowohl Fälle und Beobachtungen aus der Praxis, als auch Neuigkeiten und Entwicklungen aus dem medizinischen Alltag.

Esanum est un réseau en ligne pour les médecins agréés

Esanum est la plate-forme médicale sur Internet. Ici, les médecins ont la possibilité de prendre contact avec Une multitude de collègues et de partager des expériences interdisciplinaires. Les discussions portent à la fois sur les Observations de la pratique, ainsi que des nouvelles Et les développements de la pratique médicale quotidienne.

Epigenetische Analyse erleichtert Bestimmung von Tumoren

Wissenschaftler haben die Klassifikation von Tumoren des zentralen Nervensystems (ZNS) entscheidend verbessert: Mediziner können jetzt Tumoren des ZNS präziser bestimmten Risikogruppen zuordnen und sich auf dieser Basis für eine optimierte Therapie entscheiden.

Diagnostische Treffsicherheit steigt mit computerbasiertem Verfahren

Wissenschaftler haben die Klassifikation von Tumoren des zentralen Nervensystems (ZNS) entscheidend verbessert: Mediziner können jetzt Tumoren des ZNS präziser bestimmten Risikogruppen zuordnen und sich auf dieser Basis für eine optimierte Therapie entscheiden. Die vom Hopp-Kindertumorzentrum am NCT Heidelberg (KiTZ) und der Abteilung Neuropathologie am Universitätsklinikum Heidelberg durchgeführte Studie wurde in der Fachzeitschrift "Nature" veröffentlicht. Erstautor ist Prof. Dr. David Capper, der 2017 eine Professur für Molekulare Neuropathologie an der Charité – Universitätsmedizin Berlin angenommen hat.

Für die erfolgreiche Behandlung von Krebs im ZNS ist es wichtig, die molekularen Eigenschaften der Tumoren genau zu kennen. Zurzeit lassen sich über Gewebemerkmale rund 100 verschiedene Arten von ZNS-Tumoren unterscheiden, die ganz unterschiedlich auf Strahlen- und Chemotherapien ansprechen. Um den Tumor näher zu klassifizieren, zum Beispiel über bestimmte Mutationen im Erbgut, werden auch molekulardiagnostische Methoden eingesetzt. Dennoch ist die Variabilität groß, was die Standardisierung von Diagnoseverfahren erschwert.

Mit dem Ziel, die Diagnostik von ZNS-Tumoren zu verbessern, entwickelte das Team um Prof. Stefan Pfister, KiTZ-Direktor und Abteilungsleiter "Pädiatrische Neuroonkologie" am Deutschen Krebsforschungszentrum, zusammen mit Kollegen der Abteilung Neuropathologie am Heidelberger Universitätsklinikum unter der Leitung von Prof. Andreas von Deimling, ein neues computerbasiertes Verfahren: "Wir hoffen, die diagnostische Treffsicherheit bei ZNS-Tumoren mit unserer neuen, molekularen Klassifizierungsmethode zu verbessern und damit auch die Erfolgsaussichten der anschließenden Therapie zu erhöhen", erklärt Prof. von Deimling.

Die Forscher analysierten bestimmte chemische Markierungen im Erbgut von Tumoren, sogenannte DNA-Methylierungen. Verschiedene Zelltypen weisen charakteristische Muster an DNA-Methylierungen in ihrem Erbgut auf, die wiederum Rückschlüsse auf die zelluläre Herkunft des Tumors zulassen. "Wir haben computerbasierte Algorithmen entwickelt, die 82 verschiedene Arten von ZNS-Tumoren anhand ihrer Methylierungsmuster zuverlässig unterscheiden können", sagt Prof. Capper, Professor am Institut für Neuropathologie der Charité und Fakultätsmitglied des Berliner Standortes des Deutschen Krebskonsortiums (DKTK), und betont: "Gerade bei Tumoren, die wir durch die reine Betrachtung unter dem Mikroskop nicht ohne Weiteres einer diagnostischen Kategorie zuordnen können, hilft die Methylierungsanalyse häufig, eine eindeutige Diagnose zu stellen. Die Analyse der insgesamt circa 2.800 Tumor-Referenzproben ermöglicht zudem die Abgrenzung bestimmter Tumor-Subgruppen, die in den bisher gängigen Klassifizierungen noch gar nicht enthalten sind."

Die Wissenschaftler analysierten mehr als 1.100 weitere Tumorproben, um zu testen, ob sich die Methode für den Einsatz in der klinischen Routinediagnostik eignet. In rund zwölf Prozent der Tumoren konnten sie mithilfe der Methylierungsmuster die ursprüngliche Diagnose korrigieren. Weiterführende molekulardiagnostische Untersuchungen zeigten in fast allen Fällen, in denen dies möglich war, dass die molekulare Zuordnung die Tumoren sogar besser charakterisierte als die ursprüngliche mikroskopische Diagnose.

"Wir sind überzeugt, dass sich unsere neue Methode gut für den Einsatz in der Klinik eignet", sagt Prof. Pfister und ergänzt: "Wir haben unser Klassifizierungssystem online zugänglich gemacht, damit Forscher ihre Daten auf unserer Plattform analysieren können." Durch die Informationen, die auf diese Weise gleichzeitig eingehen, sollen vor allem seltene Krebserkrankungen in Zukunft eindeutig diagnostiziert und damit besser behandelt werden.