Karl Land­stei­ner Pri­vat­uni für Gesund­heits­wis­sen­schaf­ten setzt auf Künst­li­che Intel­li­genz bei The­ra­pie von Gehirn­tu­mo­ren. Ler­nende Sys­teme iden­ti­fi­zie­ren gene­ti­sche Muta­tio­nen aus bild­ge­ben­der Diagnostik. 

Künst­li­che Intel­li­genz (KI) und im spe­zi­el­len Metho­den im Bereich des maschi­nel­len Ler­nens (Machine Learning/​ML) kön­nen Muta­tio­nen in soge­nann­ten pri­mä­ren Hirn­tu­mo­ren (Anm. Gliome) rasch und akku­rat dia­gnos­ti­zie­ren. Das zeigt eine aktu­elle Stu­die der Karl Land­stei­ner Pri­vat­uni­ver­si­tät für Gesund­heits­wis­sen­schaf­ten (KL Krems). In die­ser wur­den Daten von phy­sio-meta­bo­li­schen Magnet­re­so­nanz-Bil­dern zur Iden­ti­fi­ka­tion von Muta­tio­nen eines Stoff­wech­sel­gens mit­tels ML ausgewertet. 

Muta­tio­nen des Gens beein­flus­sen Krank­heits­ver­lauf maßgeblich
Muta­tio­nen die­ses Gens beein­flus­sen den Krank­heits­ver­lauf maß­geb­lich, und eine frühe Dia­gnose ist ent­spre­chend für die Behand­lung wich­tig. Die Stu­die zeigt zudem, dass dem kli­ni­schen Rou­ti­ne­ein­satz der Methode aktu­ell jedoch noch unein­heit­li­che Stan­dards bei der Gewin­nung phy­sio-meta­bo­li­scher Magnet­re­so­nanz-Bil­der ent­ge­gen­ste­hen. Gliome selbst sind die häu­figs­ten Pri­mär­tu­more des Gehirns. Trotz noch immer schlech­ter Pro­gnose kön­nen per­so­na­li­sierte The­ra­pien den Behand­lungs­er­folg aber bereits maß­geb­lich verbessern. 

Der­ar­tige The­ra­pien beru­hen auf indi­vi­du­el­len Tumord­a­ten, die bei Glio­men auf­grund ihrer Loka­li­sa­tion im Gehirn nicht leicht ver­füg­bar sind. Bild­ge­bende Ver­fah­ren wie Magnet­re­so­nanz­to­mo­gra­phien (MRT) kön­nen sol­che Daten lie­fern, ihre Aus­wer­tung ist jedoch kom­plex und zeit­auf­wen­dig. Das Zen­tral­in­sti­tut für medi­zi­ni­sche Radio­lo­gie-Dia­gnos­tik des Uni­kli­ni­kums St. Pöl­ten, ein For­schungs­stand­ort der KL Krems, ent­wi­ckelt daher schon län­ger Metho­den des Machine- und Deep-Lear­ning, um sol­che Aus­wer­tun­gen zu auto­ma­ti­sie­ren und so in den Rou­ti­ne­be­trieb von Kli­ni­ken inte­grie­ren zu können. 

Aus­wer­tung und Beur­tei­lung der Daten sind hochkomplex
„Tat­säch­lich haben Pati­en­ten, deren Gliom­zel­len eine mutierte Form des Gens (Anm. für Isocitratdehydrogenase/​IDH) tra­gen, bes­sere kli­ni­sche Aus­sich­ten als jene, bei denen die Wild­typ­form vor­liegt“, sagt Andreas Stadl­bauer, Medi­zin­phy­si­ker am Zen­tral­in­sti­tut in St. Pöl­ten. „Je frü­her wir daher über die­sen Muta­ti­ons­sta­tus Bescheid wis­sen, desto opti­ma­ler kön­nen wir die Behand­lung indi­vi­dua­li­sie­ren“, so Stadl­bauer. Dabei hel­fen Unter­schiede im Ener­gie­stoff­wech­sel von mutier­ten bzw. soge­nann­ten Wild­typ-Tumo­ren. Diese kön­nen dank frü­he­ren For­schungs­ar­bei­ten auch ohne Gewe­be­pro­ben mit­tels eines phy­sio-meta­bo­li­schen MRTs gut erfasst werden. 

Aus­wer­tung und Beur­tei­lung der Daten sind jedoch hoch­kom­plex sowie zeit­rau­bend und ent­spre­chend schwer in den kli­ni­schen Rou­ti­ne­be­trieb zu inte­grie­ren. In der aktu­el­len Stu­die hat nun das Team der KL Krems diese Daten mit­tels ML-Metho­den aus­ge­wer­tet, um rascher Ergeb­nisse für ent­spre­chende The­ra­pie­schritte zu erhal­ten. Für eine qua­li­ta­tive Beur­tei­lung der Ergeb­nisse, wurde in der Stu­die zunächst auf Daten von 182 Pati­en­ten des Uni­ver­si­täts­kli­ni­kums St. Pöl­ten zurück­ge­grif­fen, deren MRT-Daten nach ein­heit­li­chen Pro­to­kol­len erho­ben wurden. 

Ergeb­nis zeigte eine Prä­zi­sion von 92 Prozent
„Wir waren sehr erfreut über die Ergeb­nisse der Beur­tei­lung durch unsere ML-Algo­rith­men. Das Ergeb­nis zeigte eine Prä­zi­sion von rd. 92 Pro­zent bei der Unter­schei­dung zwi­schen Tumo­ren mit dem Wild­typ-Gen oder der mutier­ten Form“, betont Andreas Stadl­bauer. „Wir ver­gli­chen diese Werte dann auch mit ML-Aus­wer­tun­gen von klas­si­schen kli­ni­schen MRT-Daten und konn­ten zei­gen, dass die Ver­wen­dung von phy­sio-meta­bo­li­schen MRT-Daten als Grund­lage ein­deu­tig bes­sere Ergeb­nisse erzie­len“, ergänzt Stadlbauer. 

Bei Anwen­dung der Methode mit Daten­sät­zen ande­rer Kran­ken­häu­ser erwies sich jedoch die ML-Methode mit klas­si­schen kli­ni­schen MRT-Daten erfolg­rei­cher. „Das liegt an der expe­ri­men­tel­len Ent­wick­lungs­phase. Die Metho­den zur Daten­er­he­bung vari­ie­ren von Kran­ken­haus zu Kran­ken­haus und das führt zu Ver­zer­run­gen“, erklärt Stadl­bauer. Das liege an der Stan­dar­di­sie­rung, die mit zuneh­men­dem Ein­satz sicher kom­men wird. Die neue ML-Methode habe sich groß­ar­tig bewährt. „Sie bie­tet einen her­vor­ra­gen­den Ansatz, um zukünf­tig prä­ope­ra­tiv den IDH-Muta­ti­ons­sta­tus von Gliom-Betrof­fe­nen zu erhe­ben und The­ra­pie­op­tio­nen zu indi­vi­dua­li­sie­ren“ unter­streicht Andreas Stadl­bauer, Medi­zin­phy­si­ker am Zen­tral­in­sti­tut in St. Pölten.