Forscher verwenden AI zu etablieren molekulare tumor-Klassifikation und Prognose bei Patienten mit kolorektalem Krebs

Die behandelnden ärzte müssen Informationen über den molekularen Subtyp des Tumors, wenn Sie zur zielgerichteten Therapie des kolorektalen Karzinoms. Ein Forscherteam von der Universitätsklinik Zürich und der Universität Oxford haben nun eine Methode entwickelt, um vorherzusagen, die molekulare Klassifikation von Darmkrebs, die von der digitalen Pathologie Folien.

Darmkrebs ist die dritthäufigste bösartige tumor bei Männern und Frauen mit rund 1,8 Millionen neuen Fällen weltweit pro Jahr, davon rund 4.000 in der Schweiz. Operation, Strahlen-und Chemotherapie sowie precision therapeutics etabliert sind Optionen für die Behandlung, sondern sind verbunden mit entsprechenden Nebenwirkungen. Präzise Informationen über den molekularen Subtyp des Tumors mittels RNA-Sequenzierung unterstützen kann, Patienten-stratifizierung für die personalisierte Therapie. Doch Krebs Klassifizierung durch RNA-Sequenzierung bleibt ein Ressourcen-intensiver, kostspieliger Prozess: Untersuchung einer einzigen Probe kostet über CHF 1 ‚ 000. Weitere, bis zu 20 Prozent der Proben nicht eindeutig klassifiziert aufgrund unzureichender Verfügbarkeit von material oder mehrdeutige Ergebnisse.

Fortschritte in der Forschung durch Bildanalyse und künstliche Intelligenz

Ein Forscherteam um Prof. Viktor Kölzer, Institut für Pathologie und Molekulare Pathologie am Universitätsspital Zürich (UHZ), und Prof. Jens Rittscher, Institut für Biomedizinische Technik an der Universität von Oxford, entwickelte nun eine viel billigere, schnellere Methode: Sie verwenden die künstliche Intelligenz zu analysieren, Bilder mit hoher Auflösung an histologischen Dias. Dies ermöglicht die Unterteilung der kolorektalen Tumoren in einem von vier unterschiedlichen Transkriptions-Subtypen und gibt Aufschluss über optimale Behandlungsstrategien. Im Gegensatz zu RNA-Sequenzierung, wurde der gold-standard so weit, diese rein Bild-basierten Verfahren erfordert keine zusätzliche Gewebe-material. Es funktioniert auch mit sehr kleinen Gewebe-Fragmente und macht es möglich, zu klassifizieren Gewebeproben, die zuvor unzugänglich aufgrund der technischen Einschränkungen. Das Verfahren hat auch das Potenzial zu den geringeren Kosten beträchtlich. Bild-basierte Verfahren könnten daher potentiell revolutionieren personalisierte Therapie von Dickdarmkrebs. Um jedoch den nutzen der neuen Technologie, die histologischen Dias müssen angemessen vorbereitet werden: „die Verwendung der künstlichen Intelligenz für die tumor-Analyse in der täglichen diagnostischen Praxis, wir müssen digitalisieren Pathologie workflows“, sagt Prof. Kölzer.

Strategische Bedeutung für die personalisierte Medizin

Im April dieses Jahres, Prof. Kölzer akzeptiert den posten des Assistant Professor in der Digitalen Pathologie am UHZ. Diese Professur ist die erste Ihrer Art in der Schweiz mit strategischer Bedeutung für die personalisierte Medizin. Prof. Kölzer initialisiert wurde dieses Projekt auf die KI-unterstützte Krebs-Klassifikation während seiner Zeit an der Universität von Oxford, in einer starken interdisziplinären Zusammenarbeit mit den Pathologen, Bioinformatiker, Mediziner und Statistiker, die multi-institutionelle Gliederung im dick-und Enddarmkrebs (S-CORT) – Konsortium.