Von links: Frederik Großerüschkamp, Nina Goertzen und Klaus Gerwert gehören...
Von links: Frederik Großerüschkamp, Nina Goertzen und Klaus Gerwert gehören zum Forschungsteam

© RUB, Marquard

News • Tumoranalyse per IR-Spektroskopie

KI und Infrarot-Bildgebung unterscheiden Lungenkrebs-Typen

Infrarotspektroskopie kann automatisiert verschiedene Lungenkrebstypen und -genmutationen unterscheiden. Das erlaubt schnelle und sichere Aussagen zur Prognose und Therapieentscheidungen.

Die Prognose und wirksame Therapien unterscheiden sich bei Lungenkrebs je nach Typ. Eine genaue Bestimmung der zugrunde liegenden Mutation dauerte bisher mehrere Tage. Ein Forschungsteam am Zentrum für Proteindiagnostik PRODI der Ruhr-Universität Bochum (RUB) konnte diese Bestimmung mit einer Kombination aus Quantenkaskadenlaser-basierter Infrarot-Mikroskopie und künstlicher Intelligenz (KI) in einem Schritt zuverlässig durchführen. Eine Markierung des untersuchten Gewebes ist dafür nicht nötig. Die Analyse dauert nur etwa eine halbe Stunde. „Dies ist ein großer Schritt, der zeigt, dass das Infrarot-Imaging eine vielversprechende Methodik in der zukünftigen Diagnostik und Therapieprädiktion werden kann“, so Prof. Dr. Klaus Gerwert, Direktor des PRODI. Die Studie ist im American Journal of Pathology veröffentlicht.

Der Nachweis einer dieser Mutationen ist eine wichtige Schlüsselinformation, welche sowohl die Prognose als auch die weiteren therapeutischen Entscheidungen beeinflusst

Reinhard Büttner

Lungentumoren werden in zahlreiche Typen wie das kleinzellige Lungenkarzinom, das Adenokarzinom und das Plattenepithelkarzinom unterteilt. Zusätzlich existieren viele seltene Tumortypen und -subtypen. Diese Vielfalt erschwert eine zuverlässige Schnelldiagnostik im klinischen Alltag. Zusätzlich zur histologischen Typisierung müssen die Tumorproben umfassend auf bestimmte Veränderungen auf Ebene der DNA untersucht werden. „Der Nachweis einer dieser Mutationen ist eine wichtige Schlüsselinformation, welche sowohl die Prognose als auch die weiteren therapeutischen Entscheidungen beeinflusst“, so Mitautor Prof. Dr. Reinhard Büttner, Leiter des Instituts für Allgemeine Pathologie und Pathologische Anatomie des Universitätsklinikums Köln.

Von Lungenkrebs Betroffene profitieren eindeutig von einer vorherigen Charakterisierung der Treibermutationen: So sprechen beispielweise Tumoren mit aktivierenden Mutationen im EGFR-Gen (epidermal growth factor) oft gut auf eine Therapie mit Tyrosinkinase-Inhibitoren an, während nicht EGFR-mutierte Tumoren oder Tumore mit weiteren Mutationen wie KRAS überhaupt nicht auf diese Medikation ansprechen. Bisher erfolgt die differentielle Diagnose von Lungenkrebs durch immunhistochemische Färbungen von Gewebeproben und anschließender aufwändiger Genanalyse zur Mutationsbestimmung.

Dieser Artikel könnte Sie auch interessieren

Das Potenzial des Infrarot-Imaging, kurz IR-Imaging, als diagnostisches Werkzeug zur Klassifizierung von Gewebe, die sogenannte Label-freie digitale Pathologie, hat die Gruppe um Klaus Gerwert schon in früheren Studien gezeigt. Das Verfahren erkennt Krebsgewebe ohne vorherige Färbung oder andere Markierung und funktioniert automatisiert mithilfe von künstlicher Intelligenz. Im Gegensatz zu den im klinischen Alltag eingesetzten Methoden zur Bestimmung von Tumorform und von Mutationen in Tumorgewebe, die jeweils mehrere Tage dauern können, benötigt das neue Verfahren dafür nur etwa eine halbe Stunde. In diesen 30 Minuten kann nicht nur festgestellt werden, ob die Gewebeprobe Tumorzellen enthält, sondern auch, um welchen Typ es sich handelt und ob dieser eine bestimmte Mutation enthält.

Die Bochumer Forschenden konnten mit ihrer Arbeit das Verfahren an Proben von über 200 Lungenkrebspatienten verifizieren. Für die Mutationserkennung konzentrierten sie sich auf den mit Abstand häufigsten Tumor der Lunge, das Adenokarzinom, das über 50 Prozent der Tumore ausmacht. Dessen häufigste Genmutationen können mit einer Sensitivität und Spezifität von 95 Prozent im Vergleich zur aufwändigen Genanalyse bestimmt werden. „Wir konnten hier erstmals spektrale Marker identifizieren, die eine ortsaufgelöste Unterscheidung verschiedener molekularer Zustände in Lungentumoren ermöglichen“, erklärt Nina Goertzen von PRODI. Eine einzige infrarotspekroskopische Messung bringt Informationen über die Probe, für die sonst mehrere zeitaufwändige Verfahren erforderlich wären.

Die Ergebnisse bestätigen erneut das Potenzial der Label-freien digitalen Pathologie für den klinischen Einsatz. „Um die Zuverlässigkeit weiter zu erhöhen und eine Translation der Methode als neues diagnostisches Werkzeug weiter zu fördern, sind Studien mit größeren an die klinischen Bedürfnisse angepassten Patientenzahlen und eine externe Testung im klinischen Alltag nötig“, so Dr. Frederik Großerüschkamp, Projektleiter IR-Imaging. „Die Verkürzung der Messzeit, eine einfache und zuverlässige Bedienung der Messgeräte und die Beantwortung von klinisch und für den Patienten wichtigen und hilfreichen Fragen ist für die Translation des IR-Imagings in den klinischen Alltag ausschlaggebend.“


Quelle: Ruhr-Universität Bochum

28.06.2021

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

News • Mikroskopie

Deep learning verbessert Krebsdiagnose deutlich

Forschende haben die bisherige Methode der Mitosezählung mithilfe Künstlicher Intelligenz verbessert und damit die Zuverlässigkeit deutlich erhöht.

Photo

News • Klassifizierung von Tumoren

Nasenhöhlenkrebs: KI bringt Schub für Diagnostik

Forschende aus München und Berlin haben eine Methode entwickelt, um mithilfe von künstlicher Intelligenz schwer diagnostizierbare Nasenhöhlentumore zu klassifizieren.

Photo

Artikel • Bildgebung in der Viszeralmedizin

Endosonografie: KI als Helfer für die „Königsdisziplin“

Die Endosonografie stellt Untersucher vor besondere Herausforderungen, denn hier müssen gleich zwei anspruchsvolle Disziplinen gemeistert werden. Der Einsatz künstlicher Intelligenz (KI) könnte…

Verwandte Produkte

Agfa HealthCare – Rubee for AI

Artificial Intelligence

Agfa HealthCare – Rubee for AI

Agfa HealthCare
Canon – Advanced intelligent Clear-IQ Engine for MR

Artificial Intelligence

Canon – Advanced intelligent Clear-IQ Engine for MR

Canon Medical Systems Europe B.V.
Canon - Aquilion Exceed LB

Oncology CT

Canon - Aquilion Exceed LB

Canon Medical Systems Europe B.V.
Canon – Aquilion Lightning

20 to 64 Slices

Canon – Aquilion Lightning

Canon Medical Systems Europe B.V.
Canon – Aquilion Lightning SP

Volume CT

Canon – Aquilion Lightning SP

Canon Medical Systems Europe B.V.
Canon – Aquilion One / Genesis Edition

Volume CT

Canon – Aquilion One / Genesis Edition

Canon Medical Systems Europe B.V.
Newsletter abonnieren