Die Frage nach der richtigen Therapie bei Lungenkrebs ist nicht immer leicht zu beantworten. Ein amerikanisches Forschungsteam hat jetzt mit Hilfe von künstlicher Intelligenz herausgefunden, in welchen Fällen eine Immuntherapie besonders gut geeignet ist.
Die ForscherInnen der Case Western Reserve University in Cleveland haben in Zusammenarbeit mit sechs weiteren Forschungseinrichtungen ein neues Gerät entwickelt, das mittels künstlicher Intelligenz Informationen über den Nutzen einer Immuntherapie bei Lungenkrebs preisgibt.
Anant Madabhushi, ein Mitverfasser der neuen Studie, äußerte sich: "Die Immuntherapie hat zwar die Welt der Krebsbehandlung verändert, ist aber noch immer extrem teuer. Im Jahr kostet sie pro Patient 200.000 Dollar. Diese gravierenden finanziellen Einbuße sorgen dafür, dass etwa 42% aller Patienten mit neuer Krebsdiagnose innerhalb eines Jahres nach Diagnose ihre gesamten Lebensersparnisse aufbrauchen." Mit Hilfe der neuen Methode könnten unnötige Kosten vermieden werden.
Ergebnisse einer anderen Studie legten nahe, dass die Größe eines Tumors gute Anhaltspunkte dafür liefere, welcher Therapieansatz geeignet sei. Die ForscherInnen um Madabhushi empfinden hingegen einen anderen Ansatz als sinnvoller: "Wir haben festgestellt, dass strukturelle Veränderungen besser dafür geeignet sind, den Erfolg einer Therapie vorauszusagen. Knötchen können beispielsweise nach einer Therapie manchmal größer ausfallen, aber das kann auch andere Gründe haben. So können beispielsweise zerstörte Gefäße im Tumor vorliegen, die Therapie aber tatsächlich anschlagen. Jetzt können wir das mit Sicherheit bestimmen."
Die ForscherInnen nutzten CT-Scans von 50 Lungenkrebs-PatientInnen, um das neu entwickelte Gerät mit Daten zu bereichern. So entwickelten die WissenschaftlerInnen eine mathematische Methode, um sämtliche Veränderungen hinsichtlich Größe und Textur von Tumoren nach zwei bis drei Immuntherapie-Zyklen aufzuzeichnen. Dabei stieß das Team auf verschiedene Muster, die bei bestimmten Veränderungen in Tumoren ein gutes Ansprechen auf Immuntherapien und höhere Überlebensraten erkennen ließen.
Besonders, betonten die ForscherInnen, belege das Gerät den Umstand, dass Lungentumoren, deren Strukturen den größten Wandel durchlaufen, am besten auf Immuntherapien ansprechen. "Das zeigt den fundamentalen Wert unseres Programms. Durch maschinelles Lernen könnten wir erkennen, welchen Erfolg die Behandlung von PatientInnen mit Checkpoint-Inhibitoren zeigt. Hier geht es um ein grundlegendes biologisches Prinzip“, merkte Prateek Prasanna, ein Mitverfasser der Studie, an.
Quelle:
Khorrami M et al., Changes in CT radiomic features associated with lymphocyte distribution predict overall survival and response to immunotherapy in non-small cell lung cancer. Cancer Immunol Res November 2019; doi:10.1158/2326-6066.CIR-19-0476