Die Universität für Wissenschaft und Technologie China (USTC) hat kürzlich eine bedeutende Erfolgsmeldung veröffentlicht. Die Forschungsgruppe von Sun Cheng und ihre Mitarbeiter haben erfolgreich ein „TIMES“-Bewertungssystem zur Vorhersage von Leberkrebsrezidiven entwickelt und es in ein öffentlich und kostenlos nutzbares KI-Diagnosetool umgewandelt. Die entsprechenden Ergebnisse wurden am 13. März um 0 Uhr (Peking-Zeit) in der internationalen Fachzeitschrift „Nature“ veröffentlicht.
Leberkrebs ist die dritthäufigste krebsbedingte Todesursache weltweit. Nach einer chirurgischen Entfernung beträgt die Rezidivrate bis zu 70 %. Die genaue Vorhersage von Leberkrebsrezidiven war bisher eine medizinische Herausforderung. Die räumliche Verteilung von Immunzellen im Tumor-Mikromilieu hat einen erheblichen Einfluss auf die Prognose der Patienten, wurde aber in bisherigen klinischen Bewertungssystemen nicht ausreichend berücksichtigt.
Das Team der USTC hat auf der Grundlage von Leberkrebs-Gewebeschnitten von 61 Patienten eine systematische Transkriptom- und räumliche Omics-Integrationsanalyse durchgeführt und das „TIMES“-Bewertungssystem entwickelt. Dieses weltweit erste Werkzeug zur Vorhersage von Leberkrebsrezidiven, das räumliche Immuninformationen integriert, trägt den vollständigen Namen „Tumor Immune MicroEnvironment Spatial“-Bewertungssystem. Es beweist, dass die räumliche Verteilung von Immunzellen die klinische Prognose stärker beeinflusst als ihre Gesamtzahl und eröffnet neue Wege zur Bewertung des Tumor-Mikromilieus.
Zur Vereinfachung der klinischen Anwendung hat das Team eine weltweit zugängliche Online-Plattform entwickelt (https://sun.times.ustc.edu.cn/ ). Ärzte können Standard-pathologische gefärbte Bilder oder Daten von Leberkrebsgewebe von Patienten hochladen, um einen Bericht mit TIMES-Score und Rezidivrisiko zu erhalten.
Derzeit sind die wichtigsten Algorithmen und Modelle des TIMES-Systems patentrechtlich geschützt. Das Forschungsteam treibt die standardisierte klinische Anwendung aktiv voran und möchte Ärzten ein neues klinisches Entscheidungsfindungs-Hilfsmittel zur Verfügung stellen, um unter begrenzten Ressourcen optimale Behandlungspläne für Patienten zu entwickeln und diese Ergebnisse für mehr Patienten zugänglich zu machen.