Passwort vergessen?  |  Anmelden
 |  Passwort vergessen?  |  Anmelden
Suche

Donnerstag, 21. März 2019

Forschung

Der virtuelle Krebspatient

Von Silvia von der Weiden | 21. Februar 2019 | Ausgabe 08

Mithilfe von Algorithmen entwickeln Bioingenieure Computermodelle für die personalisierte Medizin.

BU Krebs
Foto: panthermedia.net/ Andreas Fülscher

Jeder Krebs hat andere Ursachen. Je nach genetischer Veranlagung helfen Medikamente – oder sie tun es eben nicht. Die personalisierte Medizin könnte die Chancen erhöhen.

Krebs ist nicht gleich Krebs. Die Krankheit hat bei jedem Patienten unterschiedliche genetische Ursachen. Neue Medikamente und Behandlungsformen sind darauf zugeschnitten; sie richten sich gezielt gegen bestimmte Entartungen. Zudem berücksichtigen sie genetische Merkmale des Patienten, die die Wirksamkeit, Verträglichkeit oder optimale Dosierung beeinflussen können. Eine Gendiagnose ist somit Voraussetzung dafür, dass personalisierte Medizin heilen kann.

Das Konzept der Präzisionsmedizin ist jung. Laut dem Verband Forschender Arzneimittelhersteller (vfa) sind hierzulande etwa 65 „personalisierte“ Medikamente zugelassen, die meisten richten sich gegen Krebs. Welche Arznei Erfolg verspricht, entscheidet sich künftig am Rechner. Bioinformatiker entwickeln Computermodelle, die bei Patientengruppen gewisse Veränderungen in Genen und Proteinen analysieren und so das Wirken von Medikamenten auf Tumorformen erkennen. Die Programme sollen dem Arzt bei der Auswahl der optimalen Therapie helfen.

Bei in Kultur gehaltenen Darm- und Hautkrebszellen können Forscher am Research Center Systems Biology der Universität Stuttgart mit bis zu 85%iger Wahrscheinlichkeit vorhersagen, ob ein bestimmtes Krebsmedikament wirkt. Dafür allerdings müssen gewaltige Datenmengen am Computer ausgewertet werden.

Die Gruppe um Markus Morrison stützt sich auf eigene Zell- und Tierexperimente. Sie beschreiben komplexe Signalwege, die darüber entscheiden, ob sich eine Zelle teilt oder ob bei ihr das Programm zum kontrollierten Selbstmord startet. Bei Krebs sind diese Signale fehlerhaft; die Zellen beginnen sich unkontrolliert zu teilen. Im Modell werden die Informationen mit klinischen Daten von Krebspatienten ergänzt. Dazu gehören auch Tumormarker, also Substanzen im Blut oder Tumorgewebe, deren erhöhte Konzentration das Fortschreiten der Krankheit verrät.

Foto: Universität Stuttgart/Max Kovalenko

Den Tumor verstehen, damit die Chemotherapie wirkt: Markus Morrison (v. r. n. l.) forscht mit den Kollegen Roland Kontermann und Albert Jeltsch am Stuttgart Research Center Systems Biology.

„Das ist, als ob ich ein Radio auseinanderbaue und alle Bauteile auf dem Tisch ausbreite“, beschreibt Morrison seine Arbeit. „Die Funktion ergibt sich erst, wenn ich den ganzen Haufen in einer bestimmten Weise in Verbindung bringe.“ Erst das Zusammenspiel aller Informationen lässt also am Rechner den authentischen Schaltplan des Krebsgeschehens entstehen. Dieser wird in Simulationen mit experimentellen Daten überprüft und nachjustiert. „Basierend auf den mathematischen Modellen versuchen wir vorherzusagen, ob bestimmte Krebszelllinien oder Tumore auf ein Medikament ansprechen werden und welches die bestmögliche Strategie ist, um den Tumor sensitiver zu machen“, sagt Morrison.

Mit einer Vorhersagewahrscheinlichkeit ihres Modells von 80 % bis 85 % sind die Forscher schon sehr zufrieden. Nun feilen sie daran, es für den klinischen Einsatz fit zu machen. Dazu muss es um weitere Signalnetzwerke erweitert und die Treffsicherheit des „virtuellen Patienten“ erhöht werden. Interesse hat auch die Pharmaindustrie. Sie hofft mithilfe solcher Modelle neue Medikamente schneller und kostengünstiger entwickeln zu können.

An einem zuverlässigen Prognoseprogramm arbeitet auch Thorsten Schlomm von der Berliner Charité. Zusammen mit Wissenschaftlern vom Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg hat er ein Modell entwickelt, das künftig helfen soll, harmlose Typen von Prostatakrebs von aggressiven Tumoren sicher zu unterscheiden. Prostatakrebs ist die häufigste Krebserkrankung beim Mann und die zweithäufigste Krebstodesursache. Heimtückisch ist der Krebs, weil er oft sehr langsam wächst und deshalb nicht selten zu spät behandelt wird.

Für das Modell analysierten die Forscher genetische Informationen im Gewebe von fast 300 Krebspatienten. Beim Vergleich von frühen und fortgeschrittenen Tumoren beobachteten sie, wie sich eine Prostatazelle auf dem Weg zur Entartung schrittweise verändert, welche Mutationen typisch für besonders aggressive Varianten sind.

„Wenn der Tumor eines Patienten eine bestimmte Mutation aufweist, können wir nun vorhersagen, welche Mutation voraussichtlich als nächstes auftreten wird und wie gut die Prognose für den Patienten ist“, erklärt Schlomm. So könnte es bald möglich sein, mit einem Gentest jene Patienten zu identifizieren, die für eine bestimmte Therapieform infrage kommen.

Ausgerechnet bei dieser häufigen Tumorart kämpft die personalisierte Medizin noch mit Schwierigkeiten. In klinischen Tests haben neuartige Wirkstoffe bislang keine klaren Überlebensvorteile nachweisen können. Das soll sich ändern, wenn sich anhand präziserer Modelle molekulare Pfade und Dynamik der Tumorentwicklung authentisch nachvollziehen lassen. Um die Verlässlichkeit ihres Programms zu optimieren, wollen die Berliner Wissenschaftler zusätzliche Daten von einigen tausend Patienten sammeln und in das Modell einfließen lassen.

Parallel dazu soll das Verfahren sukzessive im Universitätsklinikum Berlin eingeführt werden. „Unser Team arbeitet derzeit daran, das Computermodell an der Charité in die Behandlungsstrategie einzubinden, um vor einer Therapie deren Erfolg zu simulieren. Wir rechnen mit zwei bis drei Jahren, bis das algorithmenbasierte Vorgehen vollständig etabliert ist“, sagt Schlomm.

Auch bei Hautkrebs sollen Computerprogramme experimentell bei der Auswahl individuell abgestimmter Therapien eingesetzt werden. Bei sechs Patienten, die an fortgeschrittenen Stadien von aggressivem Hautkrebs erkrankt waren, wählte das Team um Catherine Wu vom Dana-Farber Cancer Institute in Boston die bestmögliche Immuntherapie mithilfe eines eigens für den Zweck entwickelten KI-Programms aus. Mit dem Modell, das mit den genetischen Daten der Patienten und Daten zur Charakteristik ihrer Tumoren gefüttert wurde, ließ sich mit hoher Treffsicherheit vorhersagen, wie der personalisierte Impfstoff beschaffen sein musste, um die gewünschte Immunantwort gegen den Krebs hervorzurufen.

Immerhin vier der sechs Patienten sind laut Wu auch 20 bis 32 Monate nach der Behandlung noch ohne Rückfall. Bei den beiden anderen hatten sich bereits Metastasen in anderen Organen abgesetzt, die jedoch ebenfalls mit zielgerichteten Therapien zur Rückbildung gebracht werden konnten.

Auch wenn spektakuläre Heilungserfolge bislang selten sind und kritische Stimmen vor einer Überschätzung des Potenzials von individualisierten Ansätzen warnen, sind Mediziner wie Nisar Malek, Leiter des Zentrums für Personalisierte Medizin an der Universitätsklinik Tübingen, optimistisch: „In der Krebsmedizin ist die personalisierte Medizin am greifbarsten und am weitesten entwickelt, weil wir hier über sehr viele neue Medikamente verfügen, die einen gezielten Eingriff in Krankheitsprozesse erlauben. Wir sind überzeugt, dass in Zukunft mehr und mehr Patienten davon profitieren werden.“