Forschung Wie Big Data die personalisierte Krebstherapie vorantreibt

Aus Patientendaten lernen: Big Data ermöglicht nicht nur schnellere und frühere Krebsdiagnosen, sondern ebnet auch den Weg für ganz neue Behandlungsansätze. So kann die Analyse des Darmmikrobioms verraten, ob Krebskranke auf eine potentielle Therapie ansprechen. Dr. Barbara Sladek zeigt in ihrem Gastbeitrag, dass das Potenzial der Technologie noch weit darüber hinaus reicht.

Eine onkologische Indikation belastet nicht nur Betroffene und Angehörige stark, sondern auch das Gesundheitssystem. Dies liegt sowohl an einer ungenügenden Früherkennung als auch an Mängeln in der Behandlung selbst. Zu spät eingesetzte und lückenhafte Methoden zur Krebsdiagnose verursachen Leid für Patienten und hohe Kosten für das Gesundheitssystem.

Krebs gilt als zweithäufigste Erkrankung mit Todesfolge. Das Robert-Koch-Institut beziffert die Zahl der jährlich Erkrankten auf rund 500.000 Menschen. Prognosen zufolge werden die Krebsneuerkrankungen bis 2030 aufgrund des demografischen Wandels um bis zu 23 Prozent steigen.

Neue Therapieansätze

Jüngste Studien zeigen, dass das Darmmikrobiom in der erfolgreichen Bekämpfung von Krebs eine große Rolle spielen kann und somit neue Ansätze ermöglicht. Der Darm gilt als größtes Immunorgan des menschlichen Körpers. Seine Mikroben haben nicht nur einen entscheidenden Einfluss darauf, wie der Körper auf Ernährung und Stoffwechsel reagiert, sondern auch auf das menschliche Abwehrsystem.

Und hier wird es für die Krebstherapie spannend. Zwar verursachen nur sehr wenige Mikroben direkt Krebs (z. B. HPV), viele scheinen aber an der Entstehung von Krebs beteiligt zu sein oder den Krankheitsverlauf zu beeinflussen. Mit Hilfe von Big-Data-Analysen lässt sich diese Eigenschaft medizinisch nutzen. Grundsätzlich ist das Ziel von Big Data in der Medizin, umfassende, für die Gesundheit relevante Informationen von Menschen zur Verfügung zu stellen, auszuwerten und so unterschiedliche Einflussfaktoren auf den Körper besser zu klassifizieren. So ermöglicht Big Data prinzipiell frühere und schnellere Diagnosen sowie eine zielgerichtetere und individualisierbare Therapie und Medikation für Patientengruppen.

In Bezug auf das Darmmikrobiom ist dieses Unterfangen äußerst komplex: Es existiert eine Vielzahl von Wegen, auf denen die symbiotischen Bakterien mit dem menschlichen Körper interagieren. Gleichzeitig aber bietet der Ansatz genug Potenzial für diagnostische und pharmazeutische Anwendungen, um für Ärzte und Patienten einen Quantensprung nach vorne zu bedeuten.

KI ermöglicht schnellere Analysen

Dieses Potential lässt sich nun bei Krebs heben, dank neuer Methoden für die Genanalyse und ausgereifter Technologien zur Datenverarbeitung. Ein gutes Beispiel für diese Art der Präzisionsonkologie ist Biome Diagnostics. Aus einer Stuhlprobe eines Patienten oder einer Patientin wird im Labor das Erbgut der Darmmikroben extrahiert und anschließend mithilfe von Next-Generation Sequenzierung (NGS) entschlüsselt. So kann die Bakterienpopulation bis ins Detail bestimmt werden. Muster in den Erbgutdaten geben darüber Aufschluss, ob der menschliche Körper auf bestimmmte Krebstherapien anspricht, wie schwer die Nebenwirkungen sein werden, und möglicherweise lässt sich Krebs sogar früher erkennen als bisher.

Um diese Muster zu identifizieren, durchsucht eine künstliche Intelligenz (KI) die riesigen Datenmengen nach bestimmten Signaturen, die sich aus tausenden Stuhlproben von Krebspatienten herauskristallisiert haben. Dazu verfügt Biome Diagnostics derzeit über mehr als 20.000 Datensätze zu ausgewerteten Darmmikrobiomprofilen.

Noch dieses Jahr könnte das Verfahren in der medizinischen Praxis ankommen. Das Ziel ist es, den Einsatz einer neuen, mächtigen Form der Immuntherapie, der so genannten Immun-Checkpoint-Inhibitoren (ICI), zu verbessern. Im Vergleich zur Standard-Chemotherapie konnten ICIs bislang das Ansprechen und die Gesamtüberlebensraten der Patienten stark verbessern. Doch die Kosten dieser Behandlung sind enorm, die Nebenwirkungen können extrem sein. Für eine große Anzahl der Patient:innen kann sie beispielsweise starke Müdigkeit, Übelkeit, Erbrechen, Hautreaktionen oder sogar die Entwicklung von Autoimmunkrankheiten bedeuten. Umso wichtiger ist es, vorher abzuschätzen, ob – und wenn ja – wie die Behandlung anschlägt.

Hier kann die datengetriebene Diagnostik des Mikrobioms eine zielgerichtete Therapie ermöglichen: Mit der Methode von Biome Diagnostics liegt die Vorhersagegenauigkeit für das Ansprechen auf ICI bei über 85 Prozent. Zudem hilft sie den Schweregrad potentieller Nebenwirkungen einzuschätzen. 2021 präsentierte Forschungsergebnisse legen zudem nahe, dass die Methode Responder und Non-Responder unabhängig von bestimmten Tumortypen identifizieren könnte, sie wäre also tumoragnostisch. Noch muss sich dies jedoch im weiteren Verlauf der klinischen Studien als richtig erweisen.

Abschließende Untersuchungen

Derzeit laufen die abschließenden Untersuchungen. Beteiligt sind mehrere europäische Universitäten sowie renommierte Krankenhäuser. Die große Hoffnung ist, dass künftig Ärzte Testkits für ihre Patienten und Patientinnen bestellen können, um einen solchen Vorhersage-Test durchführen zu lassen. Nach Abschluss der Analyse erhalten die Ärzte und Ärztinnen einen validierten PDF-Bericht, der alle Informationen rund um das Mikrobiom und der Auswirkung auf die Therapie oder Diagnose enthält. Anhand dessen kann der behandelnde Onkologe oder die behandelnde Onkologin eine personalisierte Krebstherapie anbieten.

Doch das dürfte nur ein erster Schritt sein. Denkbar sind Verbesserungen weiterer Krebstherapien, aber ebenso genauere Diagnosen. Unter Umständen lässt sich beispielsweise Darmkrebs auf diese Weise bereits sehr früh erkennen – und damit möglicherweise verhindern. An einem entsprechenden Ansatz forscht Biome Diagnostics derzeit.

Zu beachten ist dabei natürlich, dass die Folgen von Falschaussagen schwerwiegend sein können. KI unterliegt im Gesundheitswesen daher völlig zu Recht einer besonderen Kontrolle. Aus diesem Grund ist es essentiell, die Performance der KI kontinuierlich zu messen und zu überwachen. Das lässt sich beispielsweise im Rahmen einer Post-Market Surveillance durchführen. Die KI wird dabei regelmäßig mit neuen Datensätzen getestet, um ihre Genauigkeit stetig zu kontrollieren und gegebenenfalls Anpassungen vorzunehmen. Wichtig ist darüber hinaus, eine Feedbackschleife mit Ärzten zu installieren. So können sie ihre Erfahrungen teilen und sicherstellen, dass sich KI-basierte Diagnosetools stetig weiter verbessern.

(ID:48273459)