Ein innovatives Modell sagt die Wirksamkeit der Immuntherapie bei Lungenkrebs voraus

Lungenkrebs bleibt weltweit die häufigste krebsbedingte Todesursache. Unter den verfügbaren Behandlungen hat die Immuntherapie bei Patienten mit nicht-kleinzelligem Lungenkrebs, einer häufigen und aggressiven Form der Erkrankung, bedeutende Vorteile gezeigt. Allerdings sprechen nicht alle Patienten gleich gut auf diese Art der Behandlung an, und die Identifizierung derjenigen, die am meisten davon profitieren, ist eine große Herausforderung.

Ein kürzlicher Durchbruch kombiniert die Analyse medizinischer Bilder und die Untersuchung von Tumorgewebe, um die Expression eines Schlüsselfaktors, PD-L1, präzise vorherzusagen. Dieses Protein, das auf der Oberfläche von Krebszellen vorkommt, ermöglicht es dem Immunsystem, den Tumor zu erkennen und anzugreifen. Sein Expressionsniveau wird häufig verwendet, um zu bestimmen, ob ein Patient für eine Immuntherapie infrage kommt.

Bisher basierte der Nachweis von PD-L1 hauptsächlich auf Labortests, die Gewebeproben erforderten – eine Methode, die manchmal durch die Variabilität der Ergebnisse und die Verfügbarkeit von Proben eingeschränkt war. Um diese Hindernisse zu überwinden, hat ein Forscherteam ein innovatives Modell entwickelt, das Daten aus Scans und mikroskopischen Analysen gefärbter Gewebeproben zusammenführt. Dieses Modell nutzt fortschrittliche Techniken, um sowohl makroskopische Informationen, wie Form und Textur des Tumors auf den Bildern, als auch mikroskopische Merkmale, wie die zellulären Eigenschaften unter dem Mikroskop, zu extrahieren.

Die Studie umfasste 328 Patienten mit nicht-kleinzelligem Lungenkrebs. Die Forscher teilten diese Patienten in drei Gruppen ein, um das Modell zu trainieren, zu validieren und zu testen. Die Ergebnisse zeigten, dass dieser kombinierte Ansatz leistungsfähiger war als Modelle, die ausschließlich auf Bildgebung oder Gewebeanalyse basierten. Er ermöglichte eine präzise Vorhersage, ob ein Tumor das Protein PD-L1 exprimierte oder nicht, mit Erfolgsraten von über 90 % in einigen Fällen.

Um einen Schritt weiter zu gehen, wurde das Modell auch an einer Gruppe von 47 Patienten unter Immuntherapie getestet. Die Ergebnisse zeigten, dass Patienten, für die das Modell eine hohe PD-L1-Expression vorhersagte, eine signifikant bessere progressionsfreie Überlebenszeit und Gesamtüberlebenszeit hatten. Dies deutet darauf hin, dass dieses Modell nicht nur helfen könnte, Patienten zu identifizieren, die für eine Immuntherapie infrage kommen, sondern auch ihre Reaktion auf die Behandlung vorherzusagen.

Einer der Hauptvorteile dieser Methode ist, dass sie Daten verwendet, die bereits im Rahmen der Standarddiagnostik verfügbar sind, wie Scans und histologische Schnitte. Daher sind keine zusätzlichen Probenentnahmen erforderlich, was die Kosten und die Belastung für die Patienten verringert. Darüber hinaus könnte sie in Situationen nützlich sein, in denen Gewebeproben unzureichend sind oder die Ergebnisse herkömmlicher Tests unsicher sind.

Dieses Modell ebnet somit den Weg für eine präzisere Medizin, bei der Behandlungsentscheidungen auf der Grundlage der spezifischen Merkmale jedes Tumors angepasst werden könnten. Es stellt einen wichtigen Schritt in Richtung einer personalisierten Behandlung von Lungenkrebs dar und bietet Ärzten ein zusätzliches Werkzeug, um therapeutische Strategien zu optimieren und die Prognosen der Patienten zu verbessern.

Sources et crédits

Étude source

DOI : https://doi.org/10.1186/s13244-026-02322-4

Titre : A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer

Revue : Insights into Imaging

Éditeur : Springer Science and Business Media LLC

Auteurs : Dingpin Huang; Fangyi Xu; Yi Gan; Liya Ding; Kaihua Lou; Yongcen Li; Dong Xie; Haiping Zhang; Lei Shi; Rui Xu; Hongjie Hu