Aufgrund der Komplexität der Analyseverfahren kann eine Tumorklassifizierung bisher bis zu zwei Wochen dauern. Doch die Methoden entwickeln sich weiter und KI trägt ebenfalls einen Beitrag zur möglichen Weiterentwicklung bei. Doch moderne Analysegeräte erfordern teilweise erhebliche Investitionen, weshalb schnelle und leichter zugängliche Möglichkeiten gesucht werden.
Nanopore-Sequenzierung
Das Kernstück der neuen Klassifizierungsmöglichkeit, entwickelt am Universitätsklinikum Heidelberg, ist die Nanopore-Sequenzierung. Damit können auf kleinen und kostengünstigen Geräten Erbinformationen der Tumorzellen ausgelesen und charakteristische chemische oder genetische Veränderungen erkannt werden. Daten können so unmittelbar mit bekannten Tumorklassen abgeglichen werden, um in Zukunft schon während einer Operation Informationen zum Tumor zu erhalten und gegebenenfalls die Strategie anzupassen.
Die neue Methode ist eine Kombination aus dem Schnelltest Rapid-CNS2 und MNP-Flex (Heidelberg Molecular Neuropathology [MNP] methylation classifier). Der Schnelltest unterscheidet 91 Tumorklassen und MNP-Flex kann die Ergebnisse diverser Analyseverfahren auswerten: So erkennt er 184 Tumorklassen innerhalb von 24 Stunden. „Die Kombination dieser beiden Werkzeuge deckt das gesamte Spektrum diagnostisch und therapeutisch relevanter Informationen ab“, erläutert Prof. Dr. Dr. Felix Sahm, Wissenschaftler am DKFZ und im Deutschen Konsortium für Translationale Krebsforschung (DKTK).
Transkriptom-Analyse
Um auch mit wenig Gewebemengen gute Ergebnisse zu erzielen, entwickelte das Team um Prof. Sahm ein Verfahren aus der Forschung für die klinische Diagnostik weiter. „NeuroPathology Spatial Transcriptomic Analysis“ (NePSTA) untersucht einen Gewebeschnitt auf mehrere tausend Krebsmarker gleichzeitig. Eine KI wertet die Daten aus und kann die Ergebnisse verschiedener Analysemethoden simulieren mit dem Vorteil, mit wenig Gewebe möglichst viele Informationen zu erhalten und selbst kleinste Gruppen aggressiver Tumorzellen erkennen zu können.
Vor allem für inoperable Tumoren ein Vorteil, da es hier oft schwierig ist, genügend Gewebeproben zu erhalten für die Klassifizierung. Die von Sahm verwendete Methode nutzt einen wenige Mikrometer großen Gewebeschnitt, der in Paraffin eingebettet wurde, auf dem sich Pixel für Pixel die Bindestellen für Kopien von krebsrelevanter Gene befinden. Wenn eine Bindung erfolgt, erzeugen sie ein Signal in räumlicher Auflösung (räumlich aufgelöste Transkriptom-Analyse). Bei den Krebszellen gibt die Transkriptom-Analyse Infos darüber, ob bestimmte Gene häufiger oder seltener abgelesen werden als in gesunden Zellen oder ob genetische Veränderungen vorliegen.
Quelle: idw
Artikel teilen
