Direkt zum Inhalt

News: Musterhafte Diagnose

Werden Krebserkrankungen frühzeitig erkannt und richtig diagnostiziert, sind die Aussichten für die Patienten häufig ganz gut. Allerdings gibt es eine Reihe von Tumoren, die sich stark ähneln, was das Risiko steigert, dass sie falsch behandelt werden. Mithilfe einer umfassenden Gen-Analyse konnten Forscher nun vier schwer zu unterscheidende Tumorformen bei Kindern differenzieren. Dabei half ihnen ein neuronales Netz bei der Arbeit, die riesige Datenmenge zu sortieren.
Für Eltern ist es immer ein Schock: Ihr Kind hat einen Tumor. Zwar sind die Heilungschancen inzwischen für zahlreiche Krebserkrankungen recht gut, doch der Erfolg der Behandlung hängt unter anderem davon ab, dass die gefährliche Geschwulst auch tatsächlich richtig erkannt und eingeordnet wird. Und hier können Probleme auftreten. Denn Tumoren werden meist anhand von Gewebeproben und den von ihnen hergestellten Proteinen klassifiziert – und vor allem dann, wenn die Proben aus frühen Stadien stammen, ist es sehr schwer, manche Tumorarten zu unterscheiden. So auch eine Gruppe von Krebsformen, die vor allem bei Kindern auftreten, und zu denen das Rhabdomyosarkom, das Burkitt-Lymphom, Ewing-Tumoren und Neuroblastome zählen.

Wissenschaftler um Javed Khan und Jun Wei vom National Human Genome Research Institute sowie Markus Ringnér von der Lund University suchten nach einer Methode, diese einzelnen Tumorvarianten sicher zu differenzieren. Dafür griffen sie auf DNA-Chips zurück – ein Verfahren, mit dem sie für einzelne Zellen ablesen können, welche Gene darin gerade aktiv oder stillgelegt sind. Anhand von über 6000 bekannten Genen aus 88 Proben von Tumorgeweben und Zelllinien versuchten sie, individuelle Muster der einzelnen Krebstypen festzustellen.

Um die riesige Datenmenge zu bewältigen, nahmen sie ein neuronales Netz zu Hilfe. Ein solches Computerprogramm ahmt die Informationsverarbeitung in unserem Gehirn nach: Einzelne "Neuronen" sind miteinander verschaltet und kommunizieren. Und es kann lernen – werden ihm verschiedene Muster präsentiert, wächst mit jedem Durchlauf seine Erfahrung, bis es letztendlich auch vorher unbekannte Signale richtig zuordnen kann.

Die Forscher schickten ihr Programm durch 63 Trainingsrunden, dann überprüften sie seine Leistungsfähigkeit an 25 unbekannten Proben. Dabei hatten die Kollegen Ringnér auch fünf Datensätze untergeschoben, die nicht von einem der vier Krebsformen stammten. Doch das System bewährte sich: Während es alle Tumorensignale korrekt einordnete, wies es die fünf Ausreißer keiner der vier Klassen zu.

Doch die Forscher können noch mehr berichten. Während sie ihr neuronales Netz schulten, kristallisierten sie charakteristische Gene der einzelnen Tumorvarianten heraus. Insgesamt konnten sie diese nachher anhand von 93 solcher DNA-Abschnitte unterscheiden – darunter einige, die bisher nicht mit den Krebserkrankungen in Verbindung gebracht wurden. Ausßerdem stellten sie fest, dass einige Gene, die derzeit noch zur Diagnose verwendet werden, dafür an sich gar nicht geeignet sind. So werden beispielsweise Ewing-Sarkoma unter anderem daran erkannt, dass sie das MIC2-Antigen in großem Umfang herstellen. Doch dieses Protein trat auch in verschiedenen Rhabdomyosarkomen auf.

Die Wissenschaftler hoffen, dass ihre Methode die Sicherheit der Diagnose dieser Krebsformen bei Kindern verbessern kann. Denn mit der passenden Behandlung liegen die Heilungsaussichten für Patienten mit Burkitt-Lymphom bei bis zu 90 Prozent, etwa 50 Prozent bei Ewing-Tumoren und Rhabdomyosarkom sowie etwa 40 Prozent bei Neuroblastoma. Bei falscher Diagnose und dementsprechend nicht angepasster Therapie überleben dagegen nur wenige Kinder.

Lesermeinung

Wenn Sie inhaltliche Anmerkungen zu diesem Artikel haben, können Sie die Redaktion per E-Mail informieren. Wir lesen Ihre Zuschrift, bitten jedoch um Verständnis, dass wir nicht jede beantworten können.

  • Quellen
Nature Medicine 7(6): 673–679 (2001)
Nature Medicine 7(6): 658–659 (2001)

Partnerinhalte