KI-gestützter Bluttest erkennt Krebserkrankungen in einzelnen DNA-Molekülen

Forscher des Johns Hopkins Kimmel Cancer Center entwickeln eine neuartige Bluttesttechnologie namens GEMINI (Genomweite Mutationsinzidenz zur nicht-invasiven Erkennung von Krebs). 

Durch die Kombination von genomweiter Sequenzierung einzelner DNA-Moleküle, die von Tumoren abgestoßen werden, mit maschinellem Lernen (ML) könnte der Test eine frühere Erkennung von Lungenkrebs und anderen Krebsarten ermöglichen.

Der GEMINI-Test analysiert zellfreie DNA-Fragmente (cfDNA), die von Tumoren ausgeschieden werden, und verwendet ML, um Unterschiede in der Häufigkeit von Krebs- und Nicht-Krebs-Mutationen im gesamten Genom zu erkennen. Höhere Werte des Modells deuten auf eine höhere Wahrscheinlichkeit hin, an Krebs zu erkranken.

In Labortests wurde GEMINI auf Computertomographie-Bilder angewandt und erkannte über 90% Lungenkrebs, sogar in frühen Stadien. Die Website Studie Die Ergebnisse wurden in Nature Genetics veröffentlicht. 

Die Forscher konzentrierten sich hauptsächlich auf die Erkennung von Lungenkrebs in Hochrisikopopulationen.

Veränderte Mutationsprofile wurden jedoch auch in der cfDNA von Patienten mit Leberkrebs, Melanomen und Lymphomen beobachtet, so dass dieser Ansatz auch bei anderen Krebsarten eingesetzt werden könnte. 

Wie die Forscher GEMINI entwickelt haben

Zur Entwicklung von GEMINI untersuchte das Team die Genomsequenzen von 2.511 Personen aus 25 verschiedenen Krebsarten. 

Verschiedene Tumorarten wiesen unterschiedliche Mutationsprofile auf. Die Forscher fanden heraus, dass genomische Regionen mit einer hohen Mutationshäufigkeit zwischen Tumorgewebe und aus Blut gewonnener cfDNA bei Patienten mit Lungenkrebs, Melanom oder B-Zell-Non-Hodgkin-Lymphom ähnlich waren. 

Der GEMINI-Test wurde dann auf cfDNA von 365 Personen mit hohem Lungenkrebsrisiko angewandt und ergab bei Personen mit Krebs höhere Werte als bei Personen ohne Krebs. 

Die Forscher untersuchten auch die Integration von GEMINI mit einem früheren Test, der als DELFI (DNA evaluation of fragments for early interception) bekannt ist,

Insgesamt identifizierten GEMINI und DELFI bei 89 Proben in 91% der Fälle den Krebs korrekt.

Bemerkenswert ist, dass der GEMINI-Test bei sieben Patienten, bei denen zum Zeitpunkt der Blutentnahme kein Tumor nachweisbar war, bereits Jahre vor der Standarddiagnose Anomalien in den cfDNA-Mutationsprofilen feststellte. 

Sechs von ihnen wurden mit GEMINI positiv getestet, und 231 bis 1.868 Tage nach der Probenentnahme wurde bei ihnen Lungenkrebs diagnostiziert.

Aufschlüsselung der Studie

1. Blutentnahme: Einer Person, bei der ein Krebsrisiko bestehen könnte, wird eine Blutprobe entnommen. Diese Probe enthält cfDNA, winzige DNA-Fragmente, die von Zellen im Körper, einschließlich potenzieller Tumorzellen, ausgeschieden wurden.
2. DNA-Extraktion und Sequenzierung: Die cfDNA wird aus der Blutprobe extrahiert und dann sequenziert. Das bedeutet, dass die Wissenschaftler die Reihenfolge der "Bausteine", aus denen die DNA besteht, aufzeichnen. Dies hilft ihnen, Veränderungen oder Mutationen in der DNA zu erkennen.
3. Analyse von DNA-Veränderungen: Jedes einzelne DNA-Molekül wird auf Sequenzveränderungen untersucht, so dass die Forscher Mutationsprofile für das gesamte Genom erstellen können. Im Wesentlichen suchen sie nach Mustern in den Mutationen, die auf das Vorhandensein von Krebs hindeuten könnten.
4. Maschinelles Lernen: Ein maschinelles Lernmodell, das darauf trainiert wurde, den Unterschied zwischen krebsartigen und nicht krebsartigen Mutationshäufigkeiten in verschiedenen Bereichen des Genoms zu erkennen, wird dann zur Analyse der Mutationsprofile verwendet. Das maschinelle Lernmodell vergibt dann eine Punktzahl zwischen 0 und 1, wobei eine höhere Punktzahl auf eine höhere Krebswahrscheinlichkeit hinweist.
5. Weitere Validierung und Prüfung: Ist der GEMINI-Score hoch, was auf das Vorhandensein von Krebs hindeutet, werden zusätzliche Tests wie die Computertomographie und der DELFI-Test (der Veränderungen in der Größe und Verteilung von cfDNA-Fragmenten im Genom nachweist) eingesetzt, um die Diagnose zu bestätigen und das Krebsstadium zu ermitteln. Diese Kombination von Tests hat sich als sehr wirksam erwiesen, da mehr als 90% der Lungenkrebse in der Studie entdeckt wurden.

Dies ist eine weitere faszinierende Studie, die die neuartige Anwendung des maschinellen Lernens in der medizinischen Diagnostik zeigt, diesmal bei der Analyse von Krebserkrankungen auf zellulärer Ebene.

Größere klinische Studien sind erforderlich, um das Instrument zu validieren, bevor es für den klinischen Einsatz zur Verfügung stehen kann.

Diese Woche wird ein AI-gestütztes Brustkrebs-Screening Der Workflow hat die Geschwindigkeit und Effizienz der Auswertung von Mammogrammen auf Krebs erheblich verbessert.