Unnötige Brustoperationen vermeiden

Künstliche Intelligenz soll Brustkrebs-Diagnostik unterstützen

Wissenschaftler/-innen unter Federführung des Uniklinikums Heidelberg werteten verschiedene Methoden des Maschinellen Lernens aus. Das Ergebnis: Der Algorithmus sagt die Tumorrückbildung nach Chemotherapie genauer voraus als Gewebeprobe und Bildgebung alleine.

Mammografie-Aufnahme

In dieser Mammografie-Aufnahme scheint der Tumor noch vorhanden, bei der Gewebeanalyse nach der OP wurden allerdings keine lebenden Krebszellen mehr nachgewiesen. | Universitätsklinikum Heidelberg

Bei rund einem Drittel der Brustkrebspatientinnen, die eine sogenannte neoadjuvante, der Operation vorgeschaltete, Chemotherapie erhalten, bildet sich der Tumor vollständig zurück, so die Uniklinik Heidelberg. Operiert werden sie bislang trotzdem, denn erst die Gewebeentnahme und -analyse bei der Operation zeige eindeutig, ob alle Krebszellen abgestorben sind. Einen Ausweg aus dieser Problematik könnte ein lernender Algorithmus bieten, der gleichzeitig mehrere Faktoren berücksichtigt. Er ermöglicht laut ersten Studienergebnissen eine zuverlässige Diagnostik, wie Wissenschaftler des Brustzentrums der Universitäts-Frauenklinik Heidelberg unter anderem mit Kollegen vom MD Anderson Cancer Center, Houston, USA, und Royal Marsen Hospital, London, Vereintes Königreich, aktuell in einem Highlight-Artikel im European Journal of Cancer berichten.

Ein Drittel weniger OPs?

Sie testeten im Rahmen der RESPONDER-Studie verschiedene Methoden des maschinellen Lernens anhand der Daten dreier in den letzten Jahren publizierter Studien aus Heidelberg, den USA und Südkorea mit insgesamt 457 Brustkrebspatientinnen. „Mit Hilfe dieses intelligenten Diagnostikwerkzeugs könnte zukünftig rund einem Drittel der Frauen mit vorgelagerter Chemotherapie und gutem Ansprechen die anschließende Operation erspart werden“, so Studienleiter Prof. Dr. Jörg Heil, Leiter des Brustzentrums an Universitätsklinikum und Nationalem Centrum für Tumorerkrankungen Heidelberg. Bevor es soweit ist, muss der Algorithmus allerdings seine Zuverlässigkeit noch in einer weiteren Studie unter Beweis stellen.

Alle Frauen werden operiert

Die Frage, wie gut die Chemotherapie im Vorfeld der Operation angeschlagen hat, lässt sich – das haben aktuelle Studien gezeigt, die von den Heidelberger Wissenschaftlern federführend durchgeführt wurden – weder mit bildgebenden Untersuchungen noch mittels Biopsie zweifelsfrei beantworten. „Das Problem bei der alleinigen Biopsie ist, dass das Tumorgewebe bei Brustkrebs häufig heterogen ist und entsprechend uneinheitlich auf die Therapie anspricht“, erläutert Seniorautor Heil. „Nur weil die Gewebeprobe aus der Biopsie keine Krebszellen mehr enthält, heißt das nicht, dass der gesamte Tumor abgestorben ist.“ Eindeutige Klarheit bringt bislang erst die Untersuchung des bei der Operation entnommenen Gewebes. Die Behandlungsrichtlinie sieht daher vor, dass alle Frauen dem ursprünglichen Tumor entsprechend operiert werden. So wird Gewebe entnommen, obwohl möglicherweise gar kein Tumor mehr vorhanden ist.

Unnötige Operation ersparen?

Um den Frauen mit sehr gutem Ansprechen auf die Chemotherapie eine unnötige Operation zu ersparen, machten sich die Heidelberger Wissenschaftler Methoden des Maschinellen Lernens zunutze. Dabei wird ein rechnergestütztes System darauf trainiert, aus der gemeinsamen Analyse verschiedener Faktoren Zusammenhänge zu erkennen und darauf basierend eine belastbare Diagnose zu stellen. In den Algorithmus, der sich am zuverlässigsten erwies, fließen insgesamt 27 Faktoren ein, darunter unter anderem Alter der Patientinnen, Merkmale des Tumors und die Ergebnisse einer bestimmten Art der Biopsie (Vakuum-assistiert). In einer internen wie externen Überprüfung mit Patientendaten aus den verwendeten Studien übersah das System keinen verbliebenen Tumor, was für eine hohe diagnostische Sicherheit des Algorithmus spricht.

Spezifität soll verbessert werden

Die Wissenschaftler arbeiten nun noch daran, die sogenannte Spezifität verbessern, also falsch positive Diagnosen zu vermeiden. Denn bei rund einem Drittel der Patientinnen, bei denen der Algorithmus einen Resttumor annahm, war tatsächlich in der Operation keiner mehr vorhanden. „Aber schon jetzt ist die algorithmusgestützte Diagnostik im Vergleich zum aktuellen Stand ein deutlicher Gewinn, da die onkologische Sicherheit bei einem möglichen Operationsverzicht bei diesen Frauen gewährleistet wäre“, so der Onkologe. Es gab in der unabhängigen Validierungskohorte keine sogenannte falsch negative Diagnose, dass also der Algorithmus zum Ergebnis kam, der Tumor sei verschwunden, obwohl kleine Teile überlebt hatten.

Nächstes Ziel ist eine prospektive Folgestudie

In der Behandlung des Brustkrebses stehen zunehmend, wo immer möglich, multimodale Ansätze bei gleichzeitiger Reduktion belastender Therapien im Fokus, um die Lebensqualität der Patientinnen zu verbessern. So wird heute überwiegend brusterhaltend operiert oder zunächst der Wächter-Lymphknoten untersucht, bevor weitere Lymphknoten entfernt werden. „Ich bin überzeugt, dass die Verwendung intelligenter Diagnostikwerkzeuge ein weiterer wichtiger Schritt auf diesem Weg ist“, erläutert Prof. Heil. Das nächste Ziel ist eine prospektive Folgestudie unter Leitung des Heidelberger Brustzentrums.

 

Literatur:

André Pfob, Chris Sidey-Gibbons, Han-Byoel Lee, et al.: Identification of breast cancer patients with pathologic complete response in the breast after neoadjuvant systemic treatment by an intelligent vacuum-assisted biopsy. Eur J Cancer, 2021 Jan; 143: 134-146, DOI: 10.1016/j.ejca.2020.11.006.

Heil J, Pfob A, Sinn H-P, et al.: Diagnosing Pathologic Complete Response in the Breast After Neoadjuvant Systemic Treatment of Breast Cancer Patients by Minimal Invasive Biopsy. Oral Presentation at the San Antonio Breast Cancer Symposium on Friday, December 13, 2019, Program Number GS5-03. Annals of Surgery: July 09, 2020 - Volume Publish Ahead of Print - Issue - DOI: 10.1097/SLA.0000000000004246.

Heil J, Kuerer HM, Pfob A, et al: Eliminating the breast cancer surgery paradigm after neoadjuvant systemic therapy: current evidence and future challenges. Annals of Oncology, Volume 31, ISSUE 1, P61-71, January 01, 2020, Published: January 06, 2020, DOI: doi.org/10.1016/j.annonc.2019.10.012.

Peter Dubsky, Christoph Tausch: Identification of breast cancer patients with pathologic complete response in the breast after neoadjuvant systemic treatment by Pfob et al. EJC, Editorial, Volume 143, P178-179, January 01, 2021, DOI: doi.org/10.1016/j.ejca.2020.12.003.

 

Quelle: idw/Universitätsklinikum Heidelberg