KI sagt Ansprechen auf Immuntherapie bei Krebspatienten voraus

Der Tumor eines Patienten ist ein Schlachtfeld, und die Immuntherapie soll das körpereigene Immunsystem diesen Kampf gewinnen lassen. Wirkt das Medikament, kann der Effekt jahrelang anhalten. Wirkt es nicht, hat der Patient für eine Behandlung bezahlt, die nicht helfen kann, und Zeit verloren, die für eine andere Therapie hätte genutzt werden können. Ein Team der Pohang University of Science and Technology (POSTECH) hat nun eine Methode der künstlichen Intelligenz entwickelt, die diese beiden Verläufe schon vor der ersten Dosis voneinander unterscheiden soll.

Die Methode stammt aus einer Gruppe unter Leitung von Professor Sanguk Kim vom Fachbereich Biowissenschaften, zusammen mit Minsoo Kim, einem Studenten im integrierten Master-Promotionsprogramm der Graduate School of Artificial Intelligence. Sie analysiert genetische Informationen von Krebspatienten, um deren Ansprechen auf Immuntherapie vorherzusagen. Die Ergebnisse wurden in npj Digital Medicine veröffentlicht. Im Mittelpunkt steht die seneszente Zelle, eine gealterte Zelle, die die Autoren als Störenfried im Umfeld des Tumors beschreiben: Sie unterdrückt still die Immunzellen. Mediziner tun sich schwer, dieses Umfeld Fall für Fall einzuschätzen, weshalb sich Forscher der KI zugewandt haben.

Das Hindernis sind die Daten. Eine Krebsstudie umfasst in der Regel vergleichsweise wenige Patienten, während die genetischen Informationen pro Patient enorm sind. Eine KI, die so trainiert wird, kann ihre Trainingsgruppe auswendig lernen und bei neuen Patienten versagen – wie ein Schüler, der die Übungsaufgaben auswendig kann. Das POSTECH-Team hat die Reihenfolge der Arbeitsschritte geändert. Es identifizierte zunächst Tumoren mit einem seneszenten Mikromilieu, in dem die Immunaktivität unterdrückt ist, und teilte die Patienten dann schrittweise ein, um abzuschätzen, ob sie wahrscheinlich ansprechen. Laut den Autoren verhindert dieses stufenweise Vorgehen, dass sich die KI auf eine Patientengruppe festlegt.

Die Ergebnisse stammen vom Team selbst. Die Methode übertraf die derzeit in der klinischen Praxis eingesetzten Biomarker bei der Vorhersage des Behandlungsansprechens in vier Krebsarten, darunter Hautkrebs, und sechs Patientenkohorten. Gegenüber anderen bestehenden Vorhersagemethoden lieferte sie zudem in einer unabhängigen Hautkrebskohorte, die nicht Teil des Trainings war, konsistente Ergebnisse. Sanguk Kim sagte, die Berücksichtigung der zellulären Seneszenz „könnte dazu beitragen, dass künftig mehr Krebspatienten von der Immuntherapie profitieren“.

Für Onkologen wäre der unmittelbare Gewinn eine Vorhersage, die im Voraus aus den eigenen genetischen Daten eines Patienten ableitet, ob sich der Beginn einer Immuntherapie lohnt. Die Autoren sehen darin einen Schritt hin zur personalisierten Krebstherapie, bei der dieselbe Krebsart bei verschiedenen Patienten unterschiedliche Behandlungen erfordern kann. Die Studie nennt keinen Termin für den Einsatz in Kliniken. Das Team kündigt Folgestudien an, um das Tumorumfeld genauer zu modellieren. Solange diese Studien und unabhängige Anwendungen die Methode nicht bestätigen, bleibt ihr Nutzen für Patienten eine Perspektive und keine gelebte Praxis.