Krebs ist weltweit eine der häufigsten Todesursachen. Mehr als 90 % der Krebspatienten sterben nicht an den Folgen des Primärtumors, sondern an denen der Metastasen. Krebsmetastasen entstehen in der Regel aus einzelnen streuenden Krebszellen, die dem Immunsystem des Körpers entkommen konnten. Bisher war es aufgrund der begrenzten Auflösung von Bildgebungsverfahren wie Biolumineszenz und MRT nicht möglich, diese Zellen im gesamten Körper zu detektieren. Die Folge: Spezifische Verbreitungsmechanismen verschiedener Krebsarten waren bisher relativ wenig bekannt, was die Entwicklung neuer Therapieansätze erschwert. Daher war es bis dato auch nur schwer möglich, die Wirksamkeit neuer Wirkstoffkandidaten systematisch zu überprüfen.
Das Team um Dr. Ali Ertürk, Direktor des Instituts für Tissue Engineering und Regenerative Medizin am Helmholtz Zentrum München, hat sich zum Ziel gesetzt, diese Hürde zu überwinden. Zuvor hatte das Team bereits Vdisco entwickelt – eine Methode für das so genannte Tissue Clearing, das das Gewebe eines ganzen Mauskörpers transparent machen kann, um einzelne Zellen abzubilden. So war es den Forschenden nun in dieser Studie mit Hilfe von Laser-Scanning-Mikroskopen möglich, kleinste Metastasen bis hin zu einzelnen Krebszellen im transparenten Gewebe der Mauskörper zu erkennen.
Algorithmus erkennt schneller Metastasen
Da eine manuelle Analyse solcher hochauflösender Bilddaten jedoch extrem zeitaufwendig wäre, entwickelte das Team einen neuartigen Deep-Learning-Algorithmus namens Deep Mact. Damit können sie Krebsmetastasen automatisiert erkennen, analysieren und die Verteilung therapeutischer Antikörper in Vdisco-Präparaten abbilden. Der Deep-Mact-Algorithmus erfasst die Metastasen mit einer vergleichbaren Genauigkeit wie ein menschlicher Experte – allerdings in mehr als der 300-fachen Geschwindigkeit.
Wie wirksam sind aktuelle Therapien?
Mit Deep Mact konnten die Forschenden neue Erkenntnisse über die spezifischen metastatischen Profile verschiedener Tumormodelle gewinnen. Die Charakterisierung der Verbreitungsmuster ermöglicht die Entwicklung von Therapien, die speziell auf die unterschiedlich metastasierenden Krebsarten ausgerichtet sind.
Neue Erkenntnisse wurden beispielsweise im Bereich Brustkrebs gewonnen: So stieg in den Beobachtungen des Teams die Anzahl kleiner Metastasen im Laufe der Zeit im gesamten Mauskörper deutlich an. Als repräsentatives Beispiel für die Wirksamkeit klinischer Krebstherapien quantifizierte das Team mit Deep Mact die Wirksamkeit des therapeutischen Antikörpers 6A10, der das Tumorwachstum reduziert.
Die Ergebnisse zeigten, dass 6A10 bis zu 23 % der Metastasen in den Körpern der betroffenen Mäuse verfehlen kann. Das Verfahren kann potenziell auch die Verteilung von kleinmolekularen Medikamenten verfolgen, wenn sie mit Fluoreszenzstoffen gefärbt sind.
Deep Mact ist öffentlich verfügbar und kann in jedem Labor eingesetzt werden, das sich auf verschiedene Tumormodelle und Behandlungsmöglichkeiten konzentriert.
Kontakt:
Helmholtz Zentrum München
Ingolstädter Landstraße 1
85764 Neuherberg
Telefon: +49 (0)89 3187–0
www.helmholtz-muenchen.de
