Metastudie über Akute Myeloische Leukämie

Künstliche Intelligenz erkennt AML-Blutkrebs

Künstliche Intelligenz kann eine der häufigsten Formen von Blutkrebs – die Akute Myeloische Leukämie (AML) – mit hoher Zuverlässigkeit erkennen. Das haben Forschende des Deutschen Zentrums für Neurodegenerative Erkrankung (DZNE) und der Universität Bonn im Rahmen einer Machbarkeitsstudie nun nachgewiesen.

Ihr Ansatz beruht auf der Analyse der Genaktivität von Zellen, die im Blut vorkommen. In der Praxis eingesetzt, könnte dieses Verfahren herkömmliche Diagnosemethoden unterstützen und den Therapiebeginn möglicherweise beschleunigen. Die Forschungsergebnisse sind im Fachjournal „iScience“ veröffentlicht

Künstliche Intelligenz ist in der Medizin ein vieldiskutiertes Thema, insbesondere im Bereich der Diagnostik. „Wir wollten die Potentiale an einem konkreten Beispiel untersuchen“, erläutert Prof. Joachim Schultze, Forschungsgruppenleiter am DZNE und Leiter der Abteilung Genomik und Immunoregulation am LIMES-Institut der Universität Bonn. „Weil dafür große Datenmengen erforderlich sind, haben wir Daten der Genaktivität von Zellen aus dem Blut ausgewertet. Dazu gibt es zahlreiche Studien und die zugehörigen Ergebnisse sind über Datenbanken zugänglich. Es gibt also einen enormen Datenpool. Wir haben quasi alles gesammelt, was derzeit verfügbar ist.“

Dem Transkriptom auf der Spur

Langfristig möchten wir diesen Ansatz auf weitere Fragestellungen anwenden, insbesondere im Bereich der Demenzerkrankungen

Joachim Schultze

Schultze und Kollegen ging es dabei um das „Transkriptom“: einer Art Fingerabdruck der Genaktivität. Denn in jeder Körperzelle sind je nach deren Zustand immer nur bestimmte Gene „eingeschaltet“, was sich im Profil der Genaktivität widerspiegelt. Genau solche Daten – sie stammten von Zellen aus Blutproben und umfassten tausende von Genen – wurden im Rahmen der aktuellen Studie untersucht. „Das Transkriptom enthält wichtige Informationen über den Zustand von Zellen. Die klassische Diagnostik beruht jedoch auf anderen Daten. Wir wollten deshalb herausfinden, was eine Analyse des Transkriptoms mit Hilfe künstlicher Intelligenz, also mittels lernfähiger Algorithmen, leisten kann“, sagt Schultze, der Mitglied ist im Bonner Exzellenzcluster „ImmunoSensation“. „Langfristig möchten wir diesen Ansatz auf weitere Fragestellungen anwenden, insbesondere im Bereich der Demenzerkrankungen.“

In der aktuellen Studie stand die AML im Fokus. Ohne adäquate Behandlung führt diese Form der Leukämie innerhalb von Wochen zum Tode. Die AML geht einher mit der Vermehrung krankhaft veränderter Knochenmarkszellen, die letztlich ins Blut gelangen können. Dort treiben dann gesunde Zellen und Tumorzellen, deren Gene jeweils typische Aktivitätsmuster aufweisen. Alle diese Aktivitätsprofile gingen in die Analyse ein. Messdaten von mehr als 12.000 Blutproben – diese stammten aus 105 verschiedenen Studien – wurden dabei berücksichtigt: der bislang größte Datensatz für eine Metastudie über AML. Rund 4.100 dieser Blutproben kamen von Personen mit AML-Diagnose, die übrigen von Personen mit anderen Erkrankungen oder von Personen, die als gesund eingestuft worden waren.

Die Wissenschaftler fütterten ihre Algorithmen mit Teilen dieses Datensatzes. Zum Input gehörte, welche Proben von AML-Patienten stammten und welche nicht. „Die Algorithmen suchten dann im Transkriptom nach krankheitstypischen Mustern. Das ist ein Prozess der weitgehend automatisiert ablief. Man spricht von maschinellem Lernen“, sagt Schultze. Mit der so erworbenen Mustererkennung wurden dann weitere Daten von den Algorithmen analysiert und klassifiziert, also eingeteilt in Proben mit AML und ohne AML. „Uns war die Zuordnung, so wie sie in den Originaldaten verzeichnet war, natürlich bekannt, der Software jedoch nicht. Insofern konnten wir die Trefferquote überprüfen. Diese lag bei einigen Verfahren oberhalb von 99 Prozent. Wir haben diverse Verfahren aus dem Repertoire der künstlichen Intelligenz getestet. Es gab tatsächlich einen Algorithmus der besonders gut war, aber die anderen lagen nur knapp dahinter.“

Dieser Artikel könnte Sie auch interessieren

Photo

Neuer Antikörper

Neuer Ansatz zur Behandlung von Akuter Myeloischer Leukämie

Der in Dresden unter Leitung der TU Dresden-Professoren Gerhard Ehninger und Michael Bachmann im ausgegründeten BioTech-Unternehmen GEMoaB neu entwickelte bispezifische Antikörper „GEM333“ erkennt bei Patienten mit Akuter Myeloischer Leukämie (AML) eine Struktur namens CD3 auf den Abwehrzellen und den Rezeptor CD33 auf den Blutkrebszellen.

In der Praxis eingesetzt, könnte dieses Verfahren herkömmliche Diagnosemethoden unterstützen und helfen, Kosten zu sparen, meint der Bonner Wissenschaftler. „Prinzipiell könnte eine Blutprobe ausreichen, die der Hausarzt entnimmt und zur Analyse an ein Labor weiterleitet. Ich würde schätzen, dass die Kosten unterhalb von 50 Euro liegen.“ Die klassische AML-Diagnostik sei sehr umfangreich. Einzelne Verfahren daraus würden pro Durchlauf mit einigen hundert Euro zu Buche schlagen. „Allerdings haben wir noch keinen praxistauglichen Test entwickelt. Wir haben nur gezeigt, dass das Verfahren prinzipiell funktioniert. Also Grundlagen dafür gelegt, dass man einen Test entwickeln kann.“

Auch in Zukunft erfordere die Diagnose der AML spezialisierte Fachärzte, betont Schultze. „Es geht darum, den Experten ein Werkzeug an die Hand zu geben, das sie bei der Diagnose unterstützt. Hinzukommt, dass viele Patienten eine wahre Odyssee hinter sich haben, bis sie endlich beim Facharzt landen und dort eine endgültige Diagnose erhalten.“ Denn im Anfangsstadium können die Symptome einer AML ähnlich sein wie bei einer schweren Erkältung. Dabei ist die AML eine lebensgefährliche Erkrankung, die schnellstmöglich behandelt werden sollte. „Mit einem Bluttest, so wie er auf der Grundlage unserer Studie möglich scheint, wäre es denkbar, dass bereits der Hausarzt einen Verdacht auf AML abklärt. Und wenn sich dieser erhärtet, an einen Spezialisten überweist. Die Diagnose würde dann möglicherweise früher erfolgen als bisher und die Therapie könnte früher beginnen.“


Quelle: Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE)

25.12.2019

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

Leukämiediagnostik

KI-gesteuerte Klassifizierung einzelner Blutzellen

Erstmals zeigen Forschende des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben…

Photo

Neuronale Netze gegen Blutkrebs

AML: Künstliche Intelligenz hilft bei Leukämie-Diagnose

Forschende am Nationalen Centrum für Tumorerkrankungen Dresden (NCT/UCC), des Universitätsklinikums Carl Gustav Carus Dresden und der TU Dresden haben erstmals ein auf Künstlicher Intelligenz (KI)…

Photo

Blutkrebs

Maschinelles Lernen hilft bei der Leukämie-Diagnose

Forschende der Universität Bonn zeigen, wie die Künstliche Intelligenz die Auswertung von Blutanalysedaten verbessert.

Verwandte Produkte

Agfa - Smart XR

Accessories/ Complementary Systems

Agfa - Smart XR

Agfa HealthCare
Canon - Advanced Intelligent Clear-IQ Engine for CT

Artificial Intelligence

Canon - Advanced Intelligent Clear-IQ Engine for CT

Canon Medical Systems Europe B.V.
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 - HIT Automation Platform

Artificial Intelligence

Canon - HIT Automation Platform

Canon Medical Systems Europe B.V.
Canon Medical - CT Scan Unit

Mobile CT Solutions

Canon Medical - CT Scan Unit

Canon Medical Systems Europe B.V.
Newsletter abonnieren