Big-Data-Verfahren zur Bekämpfung von Krebs bei Kindern einsetzen
Die Behandlung von Krebs bei Kindern stellt das medizinische Personal vor einige Herausforderungen. Krebs bei Kindern ist im Vergleich zu Krebs bei Erwachsenen relativ selten, und die Behandlungsmöglichkeiten sind nicht immer so effizient, wie gewünscht. Dies liegt zum Teil daran, dass Krebszellen viele zufällige Veränderungen (Mutationen) durchlaufen. Dies führt dazu, dass jede Krebserkrankung eine grundsätzlich einzigartige Kombination von molekularen Merkmalen aufweist. „Infolgedessen sind herkömmliche Behandlungsmethoden nicht immer wirksam“, erklärt Michelle Kölbl, Projektmitglied von iPC, die bei Technikon in Österreich arbeitet. „Diese Situation führt zu einem Mangel an zielgerichteten Therapien, ungenauen Vorhersagen des Risikoniveaus, Überbehandlung und einer eingeschränkten Lebensqualität für an Krebs erkrankte Kinder.“
Individuelle molekulare Krebsprofile anvisieren
Um dieses Problem zu beheben, wurde im Rahmen des EU-finanzierten Projekts iPC versucht, Behandlungskombinationen speziell auf das molekulare Profil jedes einzelnen Krebses abzustimmen. Die Idee bestand darin, dass dadurch die Heilung maximiert und die kurz- und langfristigen Nebenwirkungen der Behandlung minimiert würden. Das Projektteam wollte insbesondere die begrenzten therapeutischen Möglichkeiten für Kinder mit pädiatrischen Krebsarten wie Hepatoblastom, einer Krebsart, die sich in den Geweben um die Leber herum bildet, verbessern. Das Team wollte sich auf Erkrankte mit fortgeschrittenen Tumoren konzentrieren. Das Besondere an dem Projekt war die Entwicklung und Anwendung von maschinellem Lernen und mechanistischen Modellen zur Vorhersage optimaler individueller Therapien für jedes Kind. Im Projekt war dafür ein multidisziplinäres Team aus medizinischem Fachpersonal und Forschungsinstituten sowie Sachverständigen für Big Data und Computermodelle vereint. „Wir haben neue rechnerische und experimentelle Ansätze angewandt, um große Datensätze zu analysieren“, fügt Kölbl hinzu. „Wir haben experimentelle Modelle und Patientenbiopsien untersucht, um potenzielle therapeutische Möglichkeiten zu ermitteln. Diese wurden dann in Zell- und Tiermodellen erprobt.“ Das Projektteam prüfte die Wirksamkeit von Medikamenten bei an Hepatoblastom Erkrankten, insbesondere bei Kindern mit dem aggressiven Subtyp C2, der mit schlechten klinischen Ergebnissen verbunden ist. Der Ansatz stützte sich auf öffentlich verfügbare Daten.
Erfolgreiche Integration fortgeschrittener Technologien
Über das Projekt konnte die Wirksamkeit des Einsatzes fortgeschrittener Berechnungsmodelle zur systematischen Integration großer Datenmengen demonstriert werden. Die Integration fortgeschrittener mechanistischer, statistischer und künstlicher Intelligenzmodelle in ein virtuelles Patientensystem half dem Team, tiefgreifende molekulare Analysen und Behandlungsempfehlungen durchzuführen. „Eines der wichtigsten Ergebnisse dieser Arbeit war die erfolgreiche Bestimmung von Medikamenten bei seltenen pädiatrischen Krebsarten wie Hepatoblastom“, sagt Kölbl. „Diese Arbeit führte beispielsweise zur Bestimmung der CDK9-Inhibitoren (Cyclin-abhängigen Kinase 9 ), genannt Alvocidib und Dinaciclib, als potente Wachstumshemmer bei Hepatoblastom für Erkrankte mit dem molekularen Hochrisiko-Subtyp C2.“ Neuartige Methoden zur personalisierten Modellierung des Immunsystems, automatisierte umfassende Berichte zur molekularen Tumoranalyse und eine sichere Online-Plattform für den universellen Zugang zu den Modellen waren weitere bedeutsame Meilensteine.
Therapeutische Ansätze in den klinischen Kontext einbringen
Zu den nächsten Schritten gehören die weitere Validierung dieser Ergebnisse und die Prüfung der Frage, wie die ermittelten therapeutischen Ansätze in die klinische Praxis umgesetzt werden können. „Das entwickelte Rahmenwerk wird Klinikpersonal computergestützte Instrumente für personalisierte Diagnostik und Behandlungsempfehlungen an die Hand geben“, so Kölbl. „Langfristig hoffen wir, dass dieses Projekt die Nützlichkeit von Computermethoden bei der Ermittlung wirksamer Behandlungen für seltene pädiatrische Krebsarten aufzeigt, neue therapeutische Optionen bietet und möglicherweise die klinischen Ergebnisse für Erkrankte verbessert.“
Schlüsselbegriffe
iPC, Krebs, computergestützt, Arzneimittel, Medikamente, molekular, Hepatoblastom, Tumore, Big Data
