Vorhersage des Ansprechens auf eine Immuntherapie mithilfe künstlicher Intelligenz

(27.08.2018, Pharma-Zeitung.de) VILLEJUIF, Frankreich - Copyright by Business Wire - Gustave Roussy

Eine in The Lancet Oncology veröffentlichte Studie stellt erstmals fest, dass medizinische Bilder mithilfe künstlicher Intelligenz verarbeitet werden können, um biologische und klinische Informationen zu extrahieren. Mit der Gestaltung und anschließenden Weiterentwicklung eines Algorithmus zur Analyse von CT-Scanbildern haben Medizinwissenschaftler von Gustave Roussy, CentraleSupélec, Inserm, der Universität Paris-Sud und TheraPanacea (Ausgründung von CentraleSupélec mit Spezialgebiet künstliche Intelligenz in der Onkologie-Strahlentherapie und Präzisionsmedizin) eine sogenannte radiomische Signatur geschaffen. Diese Signatur ermittelt den Grad der Infiltration eines Tumors durch Lymphozyten und liefert einen prädiktiven Wert für die Wirksamkeit der Immuntherapie beim Patienten.Somit könnten Ärzte mithilfe der Bildgebung künftig biologische Phänomene in einem Tumor erkennen, der sich irgendwo im Körper befindet, ohne eine Biopsie durchführen zu müssen.

Angesichts der Tatsache, dass nur 15 bis 30 % der Patienten auf eine solche Behandlung reagieren, kann bislang kein Marker die Patienten präzise identifizieren, die auf eine Anti-PD-1/PD-L1-Immuntherapie ansprechen. Je reicher das Tumormilieu immunologisch ist (Vorhandensein von Lymphozyten), desto größer ist bekanntlich die Wahrscheinlichkeit, dass eine Immuntherapie erfolgreich ist. Aus diesem Grund haben die Forscher versucht, dieses Milieu mithilfe der Bildgebung zu charakterisieren und mit dem klinischen Ansprechen der Patienten in Zusammenhang zu bringen. Dieses Ziel wird mit der radiomischen Signatur verfolgt, die in der in The Lancet Oncology veröffentlichten Studie entwickelt und validiert wurde.

In dieser retrospektiven Studie wurde die radiomische Signatur bei 500 Patienten mit soliden Tumoren (alle Stellen) aus vier unabhängigen Kohorten erfasst, entwickelt und validiert. Sie wurde genomisch, histologisch und klinisch validiert, was sie besonders belastbar macht.

Mit einem auf maschinellem Lernen basierenden Ansatz brachte das Team dem Algorithmus zunächst bei, relevante Informationen aus CT-Scans von Patienten, die an der MOSCATO-Studie1 teilnehmen, zu verwenden, die zudem Tumorgenomdaten enthielten. So lernte der Algorithmus, ausschließlich auf der Grundlage von Bildern eine Vorhersage darüber zu treffen, was das Genom über das Tumorimmuninfiltrat – insbesondere über das Vorhandensein von zytotoxischen T-Lymphozyten (CD8) im Tumor – offenbaren könnte und erstellte eine radiomische Signatur.

Diese Signatur wurde in anderen Kohorten getestet und validiert - unter anderem in der TCGA-Kohorte (The Cancer Genome Atlas) – womit belegt wurde, dass die Bildgebung ein biologisches Phänomen vorhersagen konnte und eine Einschätzung des Grads der Immuninfiltration eines Tumors zur Verfügung stellt.

Um die Anwendbarkeit dieser Signatur in einer realen Situation zu testen und sie mit der Wirksamkeit der Immuntherapie in einen Zusammenhang zu bringen, wurde sie mithilfe von CT-Scans bewertet, die vor Beginn der Behandlung bei Patienten durchgeführt wurden, die an fünf Phase-I-Studien zur Anti-PD-1/PD-L1-Immuntherapie teilnahmen. Dabei wurde festgestellt, dass die Patienten, bei denen die Immuntherapie nach drei bzw. sechs Monaten erfolgreich war, höhere radiomische Werte hatten als diejenigen mit einem besseren Gesamtüberleben.

In der nächsten klinischen Studie wird die Signatur sowohl retrospektiv als auch prospektiv bewertet, wobei eine größere Anzahl von Patienten teilnehmen wird, die nach Krebsart stratifiziert werden, um die Signatur zu verfeinern.

Dabei werden zudem ausgefeiltere Algorithmen für automatisches Lernen und künstliche Intelligenz eingesetzt, um das Ansprechen der Patienten auf die Immuntherapie vorherzusagen. Die Forscher möchten zu diesem Zweck Daten aus der Bildgebung, der Molekularbiologie und der Gewebeanalyse integrieren. Im Rahmen der Zusammenarbeit zwischen Gustave Roussy, Inserm, Université Paris-Sud, CentraleSupélec und TheraPanacea sollen die Patienten identifiziert werden, die am ehesten auf die Behandlung ansprechen, um das Verhältnis zwischen Wirksamkeit und Kosten der Behandlung verbessern zu können.

// Über RadiomicsBei Radiomics wird davon ausgegangen, dass die Bildgebung (CT, MRT, Ultraschall usw.) nicht nur die Organisation und Architektur von Geweben, sondern auch deren molekulare bzw. zelluläre Zusammensetzung offenbart. Bei dieser Technik wird ein medizinisches Bild mithilfe von Algorithmen objektiv analysiert, um daraus für das bloße Auge unsichtbare Informationen wie die Textur eines Tumors, seine Mikroumgebung, seine Heterogenität usw. zu extrahieren. In Bezug auf den Patienten ist dies ein nichtinvasiver Ansatz, der im Laufe der Erkrankung wiederholt werden kann, um ihr Fortschreiten zu verfolgen.

Lancet Oncologyhttp://www.thelancet.com/journals/lanonc/article/PIIS1470-2045(18)30413-3/fulltextDOI : 10.1016/S1470-2045(18)30413-3

1 Ergebnisse der MOSCATO-Studie, veröffentlicht in Cancer Discovery: http://cancerdiscovery.aacrjournals.org/content/early/2017/03/26/2159-8290.CD-16-1396

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.

Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20180827005098/de/

Weitere Informationen anfordern

Kontaktieren Sie den Autor um weitere Informationen zu erhalten. Füllen Sie das folgende Formular aus und erhalten Sie kostenfrei und unverbindlich weitere Informationen vom Anbieter.