Ali Ertürk und sein Team machen mit künstlicher Intelligenz Krebsmetastasen und Medikamentenziele im ganzen Körper sichtbar

Prof. Dr. Ali Ertürk und sein Team untersuchten, wie sich Krebsmetastasen sehr detailliert in 3D darstellen und anvisieren lassen, und zwar mithilfe von Deep Learning, einer Anwendung künstlicher Intelligenz. Ihre Arbeit erschien auf dem Titel der wissenschaftlichen Zeitschrift Cell in der Ausgabe vom Dezember 2019 und sorgte in der Wissenschaft für großes Aufsehen. Nach seinem Abschluss am Fachbereich Molekularbiologie und Genetik der Bilkent-Universität 2003 arbeitete Ali Ertürk nacheinander am Max-Planck-Institut, bei Genentech und an der Ludwig-Maximilians-Universität. Er ist ein türkischer Neurowissenschaftler, Erfinder und Künstler und lebt in München. Seit Juli 2019 leitet er dort das Helmholtz-Institut für Gewebeengineering und regenerative Medizin. Seine Arbeiten konzentrierten sich bisher auf die Herstellung transparenter Organe mit 3-dimensionaler Drucktechnologie. Die neu entdeckte Bildgebungstechnologie, die sie vDISCO nannten, kann Organe durchsichtig darstellen. Die jüngste Untersuchung von Ali Ertürk und seinem Team befasste sich dagegen mit der Darstellung von Krebsmetastasen und der Aufdeckung von Antikörperzielen mittels Deep Learning.

Zusammenfassung der Untersuchung von Prof. Dr. Ali Ertürk und seinem Team, die im Mausmodell sogar „eine einzige“ Krebszelle sichtbar machten:

Trotz neuer medizinischer Fortschritte bleibt Krebs eine wichtige Todesursache. Mehr als % 90 der Krebspatienten sterben nicht am Primär- beziehungsweise Haupttumor, sondern an im Körper ausgebreiteten metastatischen Tumoren. Für eine erfolgreiche Behandlung metastasierten Krebses müssen Antitumormedikamente die zahlreichen Metastasen im Körper erreichen und beseitigen. Leider ist dies meist nicht der Fall. Dieses Defizit von Krebsmedikamenten wird gewöhnlich erst in klinischen Studien entdeckt. Denn bislang fehlten den Forschern in der präklinischen Entwicklung, also vor Versuchen am Menschen, Verfahren, die das Tumor-Targeting von Medikamenten mit ausreichender Empfindlichkeit und Auflösung darstellen, um die vielversprechendsten Kandidaten auszuwählen. Beispielsweise können Magnetresonanztomografie und Biolumineszenzbildgebung große Tumoren erkennen, nicht jedoch Hunderte kleiner, möglicherweise tödlicher Metastasen. Vor allem können sie nicht beurteilen, ob ein Wirkstoffkandidat tatsächlich sämtliche kleinen Metastasen erreicht. Um diese großen Herausforderungen zu überwinden, entwickelten Ali Ertürk und sein Team DeepMACT. DeepMACT ermöglicht den Nachweis selbst kleinster Metastasen im gesamten Körper einer Maus und beruht auf Deep Learning, also mehrschichtigen künstlichen neuronalen Netzen als technologischer Grundlage.

DeepMACT erlaubt zu verfolgen, welche Metastasen ein Medikament erreicht und welche nicht.

Wie funktioniert DeepMACT?

DeepMACT bedeutet Deep-Learning-basierte Metastasenanalyse in transparentem Gewebe. Es umfasst zwei wesentliche Schritte: 1. Der gesamte Mauskörper wird mit einem Gewebeklärungsverfahren namens vDISCO durchsichtig gemacht. Anschließend werden die transparenten Mäuse 3-dimensional abgebildet. Dies ermöglicht die Darstellung sämtlicher Metastasen und sogar einer einzelnen verstreuten Tumorzelle. 2. Neu entwickelte Deep-Learning-Algorithmen dienen dazu, alle Krebsmetastasen nachzuweisen und ihre Erfassung durch Medikamente zu analysieren. Mit dieser neuen Technologie machten Ali Ertürk und sein Team erfolgreich Hunderte kleiner Metastasen im Mauskörper sichtbar, die andere Methoden nicht erkennen konnten. DeepMACT zeigte außerdem genau, welche Metastasen von einem Wirkstoffkandidaten erreicht und welche verfehlt wurden. Diese Analysen zeigten, dass Antikörpermedikamente , die zu den derzeit wirksamsten Behandlungen gehören, 30 Prozent der kleinen Metastasen verfehlen können. Mit der neuen Technologie wurde die metastatische Ausbreitung in Mausmodellen von Lungen-, Brust- und Bauchspeicheldrüsenkrebs analysiert. Außerdem ließ sich beobachten, wie sich Metastasen zu verschiedenen Zeitpunkten im Körper ausbreiten. Heute sind nur fünf Prozent der neuen onkologischen Wirkstoffkandidaten erfolgreich. Der Einsatz von DeepMACT in präklinischen Modellsystemen könnte die Identifizierung und Entwicklung besserer Kandidaten für klinische Studien in beispielloser Weise verbessern. Damit könnte DeepMACT ihre Erfolgsrate deutlich erhöhen und möglicherweise viele Leben retten.

Nachfolgend ist die Videozusammenfassung der Untersuchung zu sehen; türkische Untertitel sind verfügbar.

Bisher wurden Gewebe und Organe in vielen Bildgebungsuntersuchungen 2-dimensional dargestellt. Die methodisch deutlich schwierigere 3-dimensionale Bildgebung liefert jedoch viel detailliertere und wertvollere Informationen. Prof. Dr. Ali Ertürk und sein Team kombinierten viele neue Technologien, indem sie Gewebe mit vDISCO durchsichtig machten und Krebsmetastasen mit DeepMACT 3-dimensional abbildeten. Damit gelang ihnen eine sehr wertvolle Arbeit. Obwohl diese Methoden noch nicht in klinischen Studien am Menschen eingesetzt werden, bilden sie die Grundlage zahlreicher biotechnologischer Neuerungen, die in naher Zukunft genutzt werden. Zusammenfassend ist die Untersuchung sehr wichtig für die Darstellung von Metastasen, die für % 90 der krebsbedingten Todesfälle verantwortlich sind, und für die Aufdeckung von Antikörperzielen. Sie besitzt jedoch einige Grenzen.

• Die Untersuchung wurde an Mausmodellen durchgeführt. Menschliche Krebszellen wurden injiziert und anschließend bildlich dargestellt. Ein Einsatz beim Menschen wird nach Prüfung dieses Bildgebungssystems und seiner Bestätigung in klinischen Studien möglich sein.

• Tumoren bestehen aus unterschiedlichen Zellgemeinschaften. Insbesondere die Tumormikroumgebungist im menschlichen Körper sehr komplex. Diese Komplexität lässt sich in Mausmodellen nur schwer erzeugen. Daher sind weitere Forschungen erforderlich, um die Ergebnisse auf die klinische Praxis zu übertragen.