· 

Brustkrebs-Charakterisierung mit KI: Eine Revolution in der Diagnose

G.V. Shivashankar entwickelt derzeit am PSI verschiedene Verfahren zur Diagnose und Prognose von Krebs. Die aktuelle Studie lässt hoffen, dass eine Form von Brustkrebs besser charakterisiert werden kann. © Paul Scherrer Institut PSI/Markus Fischer
G.V. Shivashankar entwickelt derzeit am PSI verschiedene Verfahren zur Diagnose und Prognose von Krebs. Die aktuelle Studie lässt hoffen, dass eine Form von Brustkrebs besser charakterisiert werden kann. © Paul Scherrer Institut PSI/Markus Fischer

DMZ –FORSCHUNG / AA                 G.V. Shivashankar entwickelt derzeit am PSI verschiedene Verfahren zur Diagnose und Prognose von Krebs. Die aktuelle Studie lässt hoffen, dass eine Form von Brustkrebs besser charakterisiert werden kann. © Paul Scherrer Institut PSI/Markus Fischer

 

Villigen – Forscherteams des Paul Scherrer Instituts PSI und des Massachusetts Institute of Technology MIT haben eine bahnbrechende Methode zur Verbesserung der Einordnung von Brustkrebs entwickelt. Durch den Einsatz künstlicher Intelligenz (KI) wollen sie die Unterscheidung zwischen harmlosen und gefährlichen Tumorstadien präzisieren.

 

Krebs zeigt sich in vielen Formen und Verläufen. Einige Tumore wachsen langsam und bleiben ungefährlich, während andere rasch zu lebensbedrohlichen Stadien fortschreiten. Besonders herausfordernd ist die Beurteilung des ductalen Carcinoma in situ (DCIS), einer Vorstufe von Brustkrebs, die sich in bis zu 50 Prozent der Fälle zu einem invasiven duktalen Karzinom (IDC) entwickelt.

 

Neue Wege in der Brustkrebsdiagnose

Um diese Wissenslücke zu schließen, leiteten G.V. Shivashankar vom PSI und Caroline Uhler vom MIT eine innovative Studie. Die Forschenden setzten KI-basierte Bildanalyse ein, um das Krankheitsstadium von Brustkrebs verlässlich einzuschätzen. „Unsere Arbeit eröffnet einen eigenständigen Ansatz zur Identifizierung des DCIS-Stadiums anhand von Bildern, die zeigen, wie die DNA in jeder einzelnen Zelle verpackt ist. Die Daten dafür sind leicht und kostengünstig zu erheben“, erklärt Shivashankar.

 

DCIS macht etwa 25 Prozent aller Brustkrebsdiagnosen aus. Bei betroffenen Frauen zeigen sich oft veränderte Zellen und Mikrokalkablagerungen in den Milchgängen. Zur Behandlung stehen Bestrahlung, Hormontherapie oder Operation zur Verfügung. Aktuell nutzen Ärzte das sogenannte Grading, um die Prognose zu erstellen und die geeignete Therapie zu wählen. Dabei wird der Grad der Veränderungen in sieben Stufen klassifiziert. Trotz dieser Maßnahmen bleibt bei 50 bis 70 Prozent der Fälle unklar, ob sich DCIS zu einer gefährlichen Form entwickelt oder harmlos bleibt.

 

KI-basierte Verbesserungen

Die neue Studie zeigt, dass der Einsatz von KI das Staging von DCIS erheblich verbessern kann. Die Forschenden nutzten Gewebeproben von 122 Patientinnen, die mit DAPI-Farbstoff behandelt wurden, um das Chromatin im Zellkern sichtbar zu machen. Chromatin enthält DNA und Proteine, und seine Struktur gibt Hinweise auf die Aktivität der DNA. Nach einer Lernphase konnte das KI-Modell Muster in den Gewebeschnitten identifizieren, die mit den von menschlichen Pathologen ermittelten Unterschieden übereinstimmten. „Unsere Analyse zeigt, dass billige und einfach zu beschaffende Chromatinbilder in Verbindung mit leistungsstarken KI-Algorithmen genügend Informationen liefern, um zu untersuchen, wie sich der Zellzustand und die Gewebeorganisation beim Übergang von DCIS zu IDC verändern, um das Krankheitsstadium genau vorherzusagen“, so Uhler.

 

Zukunftsperspektiven

Die Forschenden sehen großes Potenzial in dieser KI-basierten Methode zur Tumoreinstufung. Für einen klinischen Einsatz sind jedoch weitere Studien notwendig, um die Zuverlässigkeit und Sicherheit des Ansatzes zu bestätigen, insbesondere durch Langzeitbeobachtungen von DCIS-Patientinnen.

 

Originalveröffentlichung:
Unsupervised representation learning of chromatin images identifies changes in cell state and tissue organization in DCIS
Xinyi Zhang, Saradha Venkatachalapathy, Daniel Paysan, Paulina Schaerer, Claudio Tripodo, Caroline Uhler, GV Shivashankar
Nature Communications, 20.07.2024
DOI: 10.1038/s41467-024-50285-1

 

Herausgeber:
Paul Scherrer Institut


Fehler- und Korrekturhinweise

Wenn Sie einen Fehler entdecken, der Ihrer Meinung nach korrigiert werden sollte, teilen Sie ihn uns bitte mit, indem Sie an intern@mittellaendische.ch schreiben. Wir sind bestrebt, eventuelle Fehler zeitnah zu korrigieren, und Ihre Mitarbeit erleichtert uns diesen Prozess erheblich. Bitte geben Sie in Ihrer E-Mail die folgenden Informationen sachlich an:

  • Ort des Fehlers: Geben Sie uns die genaue URL/Webadresse an, unter der Sie den Fehler gefunden haben.
  • Beschreibung des Fehlers: Teilen Sie uns bitte präzise mit, welche Angaben oder Textpassagen Ihrer Meinung nach korrigiert werden sollten und auf welche Weise. Wir sind offen für Ihre sinnvollen Vorschläge.
  • Belege: Idealerweise fügen Sie Ihrer Nachricht Belege für Ihre Aussagen hinzu, wie beispielsweise Webadressen. Das erleichtert es uns, Ihre Fehler- oder Korrekturhinweise zu überprüfen und die Korrektur möglichst schnell durchzuführen.

Wir prüfen eingegangene Fehler- und Korrekturhinweise so schnell wie möglich. Vielen Dank für Ihr konstruktives Feedback!

Kommentar schreiben

Kommentare: 0