Die digitale Zwillingstechnologie leitet die personalisierte Behandlung von Hirntumorpatienten

Ein neuer, auf maschinellem Lernen basierender Ansatz zur Kartierung des Tumorstoffwechsels bei Hirntumorpatienten in Echtzeit, der an der University of Michigan entwickelt wurde, könnte Ärzten dabei helfen, herauszufinden, welche Behandlungsstrategien bei einzelnen Gliomfällen am wahrscheinlichsten wirksam sind. Das Team überprüfte die Genauigkeit des Modells, indem es es mit menschlichen Patientendaten verglich und Mausexperimente durchführte.

Die Studie, veröffentlicht in Zellstoffwechselbaut auf früheren Forschungsergebnissen auf, die zeigen, dass einige Gliome durch die Ernährung des Patienten verlangsamt werden können. Wenn ein Patient bestimmte Proteinbausteine, sogenannte Aminosäuren, nicht zu sich nimmt, können manche Tumore nicht wachsen. Andere Tumore können diese Aminosäuren jedoch selbst herstellen und trotzdem weiter wachsen. Bisher gab es keine einfache Möglichkeit festzustellen, welche Patienten von Ernährungseinschränkungen profitieren würden.

Die Fähigkeit des digitalen Zwillings, die Stoffwechselaktivität in Tumoren abzubilden, trug auch dazu bei, festzustellen, ob ein Medikament, das Tumore daran hindert, einen Baustein für die Replikation und Reparatur von DNA zu produzieren, funktionieren würde, da einige Zellen dieses Molekül aus ihrer Umgebung beziehen können.

Um die Herausforderungen bei der Kartierung des Tumorstoffwechsels im Gehirn zu bewältigen, entwickelte das Team aus Michigan einen computerbasierten „digitalen Zwilling“, der vorhersagen kann, wie der Gehirntumor eines einzelnen Patienten auf jede Behandlung reagieren wird. Sie wurden hauptsächlich von den National Institutes of Health finanziert, insbesondere vom National Cancer Institute.

„Normalerweise können Stoffwechselmessungen während Operationen zur Entfernung von Tumoren kein klares Bild des Tumorstoffwechsels liefern – Chirurgen können nicht beobachten, wie sich der Stoffwechsel mit der Zeit verändert, und Labore beschränken sich auf die Untersuchung von Geweben nach der Operation. Durch die Integration begrenzter Patientendaten in ein Modell, das auf grundlegender Biologie, Chemie und Physik basiert, haben wir diese Hindernisse überwunden“, sagte Deepak Nagrath, UM-Professor für Biomedizintechnik und Mitautor der Studie.

Der digitale Zwilling nutzt Patientendaten aus Blutabnahmen, Stoffwechselmessungen des Tumorgewebes und das genetische Profil des Tumors. Der digitale Zwilling berechnet dann die Geschwindigkeit, mit der die Krebszellen Nährstoffe verbrauchen und verarbeiten, den sogenannten Stoffwechselfluss.

„Dies ist das erste Mal, dass ein auf maschinellem Lernen und KI basierender Ansatz verwendet wird, um den Stoffwechselfluss direkt in Patiententumoren zu messen“, sagte Baharan Meghdadi, Doktorand im Chemieingenieurwesen und Co-Erstautor der Studie.

Die Forscher bauten eine Art Deep-Learning-Modell namens „Convolutional Neural Network“ und trainierten es anhand synthetischer Patientendaten, die auf der Grundlage bekannter Biologie und Chemie generiert und durch Messungen von acht Patienten mit Gliomen eingeschränkt wurden, denen während der Operation markierte Glukose infundiert wurde. Durch den Vergleich ihrer Computermodelle mit verschiedenen Daten von sechs dieser Patienten stellten sie fest, dass die digitalen Zwillinge die Stoffwechselaktivität mit hoher Genauigkeit vorhersagen konnten. In Experimenten mit Mäusen bestätigte das Team, dass die Ernährung nur das Tumorwachstum bei Mäusen verlangsamte, die der digitale Zwilling als gute Kandidaten für die Behandlung identifiziert hatte.

„Diese Ergebnisse sind aufregend. Die Möglichkeit, die Stoffwechselaktivität in Tumoren von Patienten zu messen, könnte es uns ermöglichen, vorherzusagen, welche Stoffwechseltherapien für jeden Patienten am besten funktionieren könnten“, sagte Daniel Wahl, Professor für Strahlenonkologie in der Achtenberg-Familie und Mitautor der Studie.

Der digitale Zwilling sagte auch voraus, wie Tumore auf das Medikament Mycophenolatmofetil reagieren würden, das darauf abzielt, wie Krebszellen DNA aufbauen. Die digitalen Zwillinge erkannten richtig, dass einige Tumore die Wirkung des Medikaments umgehen könnten, indem sie einen „Bergungsweg“ nutzen, um Nährstoffe aus ihrer Umgebung zu gewinnen. Auch hier bestätigte das Team die Vorhersagen mit Mausexperimenten.

„Dieses erstaunliche Tool könnte Ärzten helfen, die Verschreibung von Behandlungen zu vermeiden, gegen die ein bestimmter Tumor bereits resistent ist, und ist für uns eine Möglichkeit, zu gezielteren und personalisierteren Behandlungen für unsere Patienten überzugehen“, sagte Wajd N. Al-Holou, Assistenzprofessor für Neurochirurgie und Co-Erstautor der Studie.

Ein Arzt könnte anhand des digitalen Zwillings eines Patienten testen, ob eine bestimmte Diät oder ein bestimmtes Medikament den Krebs tatsächlich aushungern lässt, bevor der Patient seinen Ernährungsplan ändert oder mit der Einnahme eines neuen Medikaments beginnt.

Diese Arbeit bringt uns einer wirklich personalisierten Krebsbehandlung näher – nicht nur bei Hirntumoren, sondern letztendlich auch bei einer Vielzahl von Tumoren. Durch die virtuelle Simulation verschiedener Therapien hoffen wir, den Patienten unnötige Behandlungen zu ersparen und uns auf diejenigen zu konzentrieren, die wahrscheinlich helfen.“

Costas Lyssiotis, Maizel Research Professor für Onkologie und Mitautor der Studie

Zusätzliche Unterstützung für die Forschung kam von der Damon Runyon Cancer Foundation, dem Forbes Scholar Award, dem Rogel Scholar Award (UM), der Sontag Foundation, der Ivy Glioblastoma Foundation, der Alex’s Lemonade Stand Foundation, der Chad Tough Defeat DIPG Foundation, dem National Institute of Neurological Disorders and Stroke (NIH), der American Cancer Society und der B*Cured Foundation.

Auch Forscher der University of Alabama, Birmingham und der Mayo Clinic trugen zu der Studie bei.

Das Team hat mit Unterstützung von UM Innovation Partnerships Patentschutz beantragt und sucht nach Partnern, um die Technologie auf den Markt zu bringen.

Nagrath ist außerdem Professor für Chemieingenieurwesen. Wahl ist außerdem außerordentlicher Professor für Neurochirurgie. Lyssiotis ist außerdem Professor für molekulare und integrative Physiologie sowie Innere Medizin und Co-Direktor des Rogel and Blondy Center for Pancreatic Cancer.

Quellen: