Skip to main content

Mit Hilfe von PET-Bildgebung und Pathologie Tumor-„Landkarten“ für präzise Therapien erstellen

CD-Labor for Applied Metabolomics an der MedUni Wien eröffnet
Alle News

(Wien, 31-01-2019) Neue, zielgerichtete Therapien, die Genmutationen oder spezifische Rezeptoren angreifen, machen bei der Behandlung von Tumoren auch eine immer bessere, molekulare Tumorcharakterisierung notwendig. Die Biologie der Tumorzelle verändert sich durch Mutationen ständig, daher ist eine nicht-invasive diagnostische Methode, die diese Veränderungen exakt abbilden kann von eminenter Bedeutung. Genau das ist das Ziel des heute, Donnerstag, an der MedUni Wien eröffneten „Christian Doppler Labors for Applied Metabolomics“ unter der Leitung des Nuklearmediziners Alexander Haug und des Pathologen Lukas Kenner. Mit Hilfe der Positronen-Emissions-Tomographie (PET) in Kombination mit feingeweblicher Tumoranalyse soll für relevante genetische Veränderungen des Tumors der jeweilige metabolische „Fingerabdruck“ identifiziert werden. Die gewonnenen Muster sollen als Tumor-„Landkarten“ dazu beitragen, den PatientInnen im Sinn der Präzisionsmedizin eine maßgeschneiderte, personalisierte Therapie zu ermöglichen. 

„Maßgeschneiderte Therapien bringen für Krebspatientinnen und -patienten enorme Vorteile“, sagt Dr. Margarete Schramböck, Bundesministerin für Digitalisierung und Wirtschaftsstandort. „Dieses CD-Labor leistet dazu einen wichtigen Beitrag, indem es Methoden aus Machine Learning oder KI zur Verknüpfung von Analysedaten nutzt. Auf diese Weise werden spezifische Muster erkennbar und individuelle Therapieempfehlungen möglich.“

„Die Positronen-Emissions-Tomographie ist zwar in der Onkologie weit etabliert, doch nur ein Bruchteil ihres riesigen Potenzials wird im Moment genutzt – und schon gar nicht in Kombination mit der Pathologie. Das ist einmalig“, erklären Haug und Kenner. „In unserem neuen CD-Labor für Applied Metabolomics wollen wir die PET-Bildgebung, histopathologische Untersuchungen, Analysen von Therapie- und prognoserelevanten genetischen Mutationen sowie klinische Daten wie Überleben und Therapieansprechen miteinander verknüpfen. Unser Ziel ist eine nicht-invasive, ‚in-vivo-Pathologie‘, die schließlich zu einem individualisierten Therapiealgorithmus führt.

Kombination beider Disziplinen als optimales Analyse-Tool
Um dieses Ziel zu erreichen, wird ein künstliches Intelligenz-Tool für „überwachtes Lernen“, der „Supervised Machine Learning“-Algorithmus angewendet, um aus der Analyse der verfügbaren PET-Daten einerseits die jeweiligen Tumorcharakteristika und andererseits das jeweilige Therapieansprechen zu identifizieren – und diese Daten werden dann mit dem pathologischen Befund abgeglichen. Im 7-Jahreszeitraum des CD-Labors soll es künftig quasi möglich sein, dass man mit einem Blick auf diese Tumor-„Landkarten“ erkennen kann, 1) ob der Tumor bösartig ist; 2) wenn ja, um welchen Tumor handelt es sich – und 3) wie kann dieser Tumor im Sinn der Präzisionsmedizin individuell am besten behandelt werden.

„Das ist der Vorteil, wenn man beide Disziplinen kombiniert: Die Pathologie kann unter dem Mikroskop jede noch so kleine Protein-Aktivität erkennen, im PET sehen wir dann das große Ganze. Je besser wir den Tumor und dessen Mutationen kennen und verstehen, desto besser können wir therapieren. Diese neuartige Methode wird im PET spezifische Muster erkennbar machen, die wir dann in einer Tumor-Kartei katalogisieren können“, erklären die MedUni Wien-Forscher. Später wird man dann wie in einer „Verbrecherkartei“ nach ähnlichen Tumor-Mustern suchen und dementsprechend handeln können. Die Ergebnisse aus dem retrospektiven Teil des Projekts werden mit Hilfe von präklinischen Mausmodellen überprüft.

Untersucht werden im ersten Schritt folgende Tumorentitäten: Karzinome des Darms, diffus großzellige B-Zell-Lymphome sowie Prostatakarzinome. Im weiteren Verlauf soll die Studie auf Brustkrebs und nicht kleinzellige Bronchialkarzinome ausgedehnt werden.