Lungenkrebs: AI zeigt, wer von einer Immuntherapie profitiert
Lungenkrebs ist eine häufige und oft aggressive Form von Krebs. Da es für Ärzte schwierig ist, es frühzeitig zu erkennen, müssen Menschen mit Lungenkrebs die beste und zielgerichteteste Therapie erhalten, um einen positiven Ausblick wahrscheinlicher zu machen. Immuntherapie ist eine Option, aber wie können Ärzte wissen, wer davon profitieren wird?
Laut dem National Cancer Institute ist Lungen- und Bronchialkrebs die zweithäufigste Krebsart bei Menschen in den USA und macht 12,9% aller neuen Krebsfälle aus.
Diese Form von Krebs weist im Frühstadium häufig keine erkennbaren Symptome auf, was dazu führen kann, dass Ärzte ihn zunächst nicht erkennen können. Dies bedeutet, dass die Aussichten nach der Behandlung möglicherweise nicht so gut sind wie bei anderen Krebsarten.
Um die günstigsten Ergebnisse für Menschen mit Lungenkrebs zu erzielen, müssen die Angehörigen der Gesundheitsberufe für jeden Einzelnen die beste Art der Behandlung auswählen. Dies kann jedoch schwierig sein, da es oft schwierig ist zu sagen, welche Person von einer bestimmten Behandlung am meisten profitiert.
Es kann für einen Arzt auch schwierig sein zu bestimmen, wie vorteilhaft neuere Arten von Behandlungen, wie z. B. Immuntherapie, für eine Person sein werden. Im Gegensatz zur Chemotherapie, bei der bestimmte Medikamente verwendet werden, um Krebszellen anzugreifen und zu zerstören, verstärkt die Immuntherapie die Immunantwort einer Person gegen Krebstumoren.
Jetzt hat ein Team unter der Leitung von Forschern der Case Western Reserve University in Cleveland, OH, in Zusammenarbeit mit Wissenschaftlern aus sechs anderen Institutionen ein neues Modell für künstliche Intelligenz (KI) entwickelt. Das Modell ermöglicht es Ärzten im Gesundheitswesen herauszufinden, welche Menschen mit Lungenkrebs am meisten von einer Immuntherapie profitieren würden.
Die Ermittler erläutern ihre Methode und berichten über ihre Ergebnisse in einem Studienbericht, der in der Zeitschrift veröffentlicht wird Krebsimmunologische Forschung.
„Obwohl die Immuntherapie das gesamte Ökosystem von Krebs verändert hat“, erklärt Studienkoautor Anant Madabhushi, „bleibt sie auch extrem teuer - etwa 200.000 USD pro Patient und Jahr.
"Dies ist Teil der finanziellen Toxizität, die mit Krebs einhergeht und dazu führt, dass etwa 42% aller neu diagnostizierten Krebspatienten innerhalb eines Jahres nach der Diagnose ihre Lebensersparnis verlieren", fügt er hinzu. Madabhushi merkt auch an, dass das neue Tool, an dem er und seine Kollegen arbeiten, Ärzten und Patienten helfen kann, zu entscheiden, welche Therapie am besten zu ihnen passt, und unnötige Kosten zu vermeiden.
Neues Modell kann Ergebnis vorhersagen
Madabhushi erklärt, dass er und seine Kollegen ihr neues Modell basierend auf jüngsten Erkenntnissen entwickelt haben, die die Anzeichen identifizierten, die zeigen, welche Krebstumoren auf die Behandlung ansprechen.
In einer früheren Studie stellten die Forscher fest, dass Ärzte zwar in der Regel der Ansicht waren, dass die Tumorgröße ein guter Indikator dafür ist, ob ein therapeutischer Ansatz funktioniert oder nicht, die Betrachtung dieser Eigenschaft allein jedoch trügerisch sein kann.
Stattdessen, sagt Madabhushi, "haben wir festgestellt, dass eine Veränderung der Textur ein besserer Prädiktor dafür ist, ob die Therapie funktioniert."
"Manchmal, zum Beispiel, kann der Knoten nach der Therapie aus einem anderen Grund größer erscheinen, beispielsweise aus einem gebrochenen Gefäß im Tumor - aber die Therapie funktioniert tatsächlich", erklärt er. "Jetzt haben wir eine Möglichkeit, das zu wissen."
Für die Entwicklung des neuen KI-Modells verwendete das Team zunächst Daten aus Computertomographie-Scans (CT) von 50 Personen mit Lungenkrebs. Dies ermöglichte es ihnen, eine mathematische Methode zu entwickeln, mit der Änderungen der Größe und Textur des Tumors nach Exposition gegenüber zwei bis drei Immuntherapiezyklen identifiziert werden können.
Das Verfahren fand Muster, die darauf hinweisen, dass bestimmte Veränderungen bei Tumoren mit einem positiven Ansprechen auf die Immuntherapie sowie mit höheren Überlebensraten der Patienten verbunden waren.
In dieser Studie wurde erneut hervorgehoben, dass diejenigen Lungenkrebstumoren, die die auffälligsten Veränderungen in der Textur aufweisen, auch am besten auf eine Immuntherapie ansprechen.
„Dies ist eine Demonstration des grundlegenden Werts des Programms, dass unser Modell des maschinellen Lernens das Ansprechen bei Patienten vorhersagen kann, die mit verschiedenen Immun-Checkpoint-Inhibitoren behandelt werden. Wir haben es mit einem grundlegenden biologischen Prinzip zu tun. “
Studienmitautor Prateek Prasanna
Anfang dieses Jahres erhielt der Co-Autor Prateek Prasanna einen Verdienstpreis der Conquer Cancer Foundation der American Society of Clinical Oncology 2019 für die mit dieser Studie verbundene Forschung.
In Zukunft plant das Team, die KI-Methode an weiteren CT-Scans von anderen Standorten und von Personen, die mit verschiedenen Immuntherapeutika behandelt wurden, weiter zu testen.
