Bildgestützte Wissensdiagramme offenbaren neue Ziele für die Behandlung von Herzerkrankungen

Bildgestützte Wissensdiagramme offenbaren neue Ziele für die Behandlung von Herzerkrankungen

Wissensgraphen sind ein leistungsstarkes Werkzeug, um Informationen aus biologischen Datenbanken zusammenzuführen und bereits bekanntes Wissen über Gene, Krankheiten, Behandlungen, molekulare Pfade und Symptome in einem strukturierten Netzwerk zu verknüpfen. Bisher fehlten detaillierte, individuelle Informationen darüber, wie das betroffene Organ tatsächlich aussieht und funktioniert.

Die neueste Forschung unter der Leitung des Postdoktoranden Dr. Khaled Rjoob und des Gruppenleiters Professor Declan O’Regan von der Computational Cardiac Imaging Group am MRC Laboratory of Medical Sciences hat diese Technologie weiterentwickelt, indem sie erstmals Bilddaten zu einem Wissensgraphen hinzufügt. CardioKG bietet einen detaillierten Überblick über die Struktur und Funktion des Herzens, was die Genauigkeit der Vorhersage, welche Gene mit Krankheiten zusammenhängen und ob bestehende Medikamente diese behandeln könnten, erheblich verbessert.

Herzvariation erfassen

Um CardioKG zu entwickeln, nutzte das Team Herzbilddaten von 4.280 britischen Biobank-Teilnehmern mit Vorhofflimmern, Herzinsuffizienz oder Herzinfarkt sowie 5.304 gesunden Teilnehmern und erfasste Variationen in der Struktur und Funktion des Herzens. Insgesamt wurden über 200.000 bildbasierte Merkmale generiert und zum Trainieren des Modells verwendet. Das Team integrierte diese mit Daten aus 18 verschiedenen biologischen Datenbanken und nutzte künstliche Intelligenz (KI), um Zusammenhänge zwischen Genen und Krankheiten sowie Möglichkeiten für die Wiederverwendung von Arzneimitteln vorherzusagen.

Einer der Vorteile von Wissensgraphen besteht darin, dass sie Informationen über Gene, Medikamente und Krankheiten integrieren. Dies bedeutet, dass Sie mehr Möglichkeiten haben, Entdeckungen über neue Therapien zu machen. Wir fanden heraus, dass die Einbeziehung der Herzbildgebung in die Grafik die Art und Weise veränderte, wie neue Gene und Medikamente identifiziert werden konnten.“

Professor Declan O’Regan, Computational Cardiac Imaging Group, MRC Laboratory of Medical Sciences

Vorhersage neuer Möglichkeiten für Arzneimittel

Das Modell identifizierte eine Liste neuer krankheitsassoziierter Gene und sagte zwei Medikamente zur Behandlung von Herzerkrankungen voraus; Methotrexat, ein Medikament gegen rheumatoide Arthritis, könnte Herzinsuffizienz verbessern und Gliptine zur Behandlung von Diabetes könnten bei Vorhofflimmern hilfreich sein. Das Team machte außerdem eine überraschende Entdeckung, dass Koffein, das das Herz erregbarer macht, bei Patienten mit Vorhofflimmern, die einen unregelmäßigen und schnellen Puls haben, eine schützende Wirkung hat.

„Das Aufregende ist, dass es andere aktuelle Studien auf diesem Gebiet gibt, die unsere vorläufigen Ergebnisse stützen“, sagt Declan. „Dies unterstreicht das enorme Potenzial von Wissensgraphen bei der Aufdeckung vorhandener Medikamente, die als neue Behandlungen eingesetzt werden könnten.“

Ausweitung der Technologie auf andere Organe

CardioKG bietet eine Proof-of-Concept-Technologie, die weit über das Herz hinausgehen kann. Forscher könnten nun Wissensgraphen entwickeln, die Bilddaten überall dort integrieren, wo es Organbildgebung gibt, was bedeutet, dass der gleiche Ansatz auf Gehirnscans, auf Körperfettbildgebung oder auf andere Organe und Gewebe angewendet werden könnte, um neue therapeutische Möglichkeiten in Bereichen wie Demenz oder Fettleibigkeit zu erkunden.

Die Fähigkeit dieser Wissensgraphen, genaue und schnelle Listen von Genen mit hoher Priorität für eine Reihe von Krankheiten zu erstellen, würde Pharmaunternehmen einen wertvollen Ausgangspunkt bieten, indem sie biologische Ziele hervorheben, die sie weitaus effizienter als herkömmliche Entdeckungsmethoden erforschen, validieren und möglicherweise zu neuen Therapien entwickeln können.

„Aufbauend auf dieser Arbeit werden wir den Wissensgraphen zu einem dynamischen, patientenzentrierten Rahmen erweitern, der reale Krankheitsverläufe erfasst“, sagt Khaled. „Dies wird neue Möglichkeiten für eine personalisierte Behandlung und die Vorhersage, wann Krankheiten wahrscheinlich auftreten, eröffnen.“

Diese Studie wurde vom Medical Research Council, der British Heart Foundation, der Bayer AG und dem Imperial College Biomedical Research Centre des National Institute for Health and Care Research (NIHR) unterstützt.

Neben seiner Rolle am LMS ist Declan Professor für kardiovaskuläre KI bei der British Heart Foundation und klinischer Themenleiter für das Centre of Research Excellence der British Heart Foundation im National Heart and Lung Institute von Imperial.

Quellen: