KI-Tool sagt lebensbedrohliche Transplantationskomplikationen Monate vor Symptombeginn voraus

Ein leistungsstarkes Tool der künstlichen Intelligenz (KI) könnte Klinikerinnen und Klinikern einen Vorsprung verschaffen, um lebensbedrohliche Komplikationen nach Stammzell- und Knochenmarktransplantationen frühzeitig zu erkennen – so neue Forschungsergebnisse des MUSC Hollings Cancer Center. Die in der Journal of Clinical Investigation veröffentlichte Studie kombiniert Immun-Biomarker, klinische Daten und maschinelles Lernen, um ein Tool für die praxisnahe Risikovorhersage zu entwickeln.

Für viele Patientinnen und Patienten ist eine Stammzell- oder Knochenmarktransplantation lebensrettend. Doch die Erholung endet nicht, wenn Betroffene das Krankenhaus verlassen. Bei einigen können Monate später schwere Komplikationen auftreten – oft ohne Vorwarnung.

Eine der schwierigsten ist die chronische Graft-versus-Host-Erkrankung (GVHD), ein Zustand, bei dem Immunzellen aus dem Transplantat das gesunde Gewebe einer Patientin oder eines Patienten angreifen. Die Erkrankung kann mehrere Organe betreffen, darunter Haut, Augen, Mund, Gelenke und Lunge, und langfristige Behinderungen oder sogar den Tod verursachen.

Forschende unter der Leitung von Sophie Paczesny, M.D., Ph.D., Co-Leiterin des Forschungsprogramms Cancer Biology and Immunology bei Hollings, sowie Michael Martens, Ph.D., und Brent Logan, Ph.D., vom Center for International Blood and Marrow Transplant Research am Medical College of Wisconsin, haben ein KI-basiertes Tool entwickelt, das Klinikerinnen und Klinikern helfen könnte, Patientinnen und Patienten mit höherem Risiko für eine chronische GVHD zu identifizieren, bevor Symptome auftreten – und damit den Weg für ein früheres Monitoring ebnen.

Durch die Anwendung von maschinellem Lernen auf immunbezogene Proteine und validierte klinische Informationen entwickelte das Team ein Tool namens BIOPREVENT, das das zukünftige Risiko einer Patientin oder eines Patienten abschätzt, eine chronische GVHD zu entwickeln und an transplantationsbedingten Ursachen zu sterben.

Trotz großer Fortschritte in der Transplantationsmedizin bleibt die chronische GVHD eine der häufigsten Ursachen für Erkrankung und Tod nach einer Transplantation. Doch die Erkrankung beginnt nicht erst mit dem Auftreten von Symptomen; die biologischen Veränderungen, die sie antreiben, setzen deutlich früher ein.

Die ersten Monate nach einer Transplantation sind besonders kritisch. Patientinnen und Patienten können sich wohl fühlen, doch die Immunaktivität unter der Oberfläche kann bereits den Boden für Komplikationen bereiten. Bis eine chronische GVHD diagnostiziert wird, läuft der Krankheitsprozess oft schon seit Monaten ab und schädigt den Körper unbemerkt.

Die Forschenden analysierten Daten von 1.310 Empfängerinnen und Empfängern von Stammzell- und Knochenmarktransplantationen aus vier großen multizentrischen Studien. Blutproben, die 90 bis 100 Tage nach der Transplantation entnommen wurden, wurden auf sieben Immunproteine untersucht, die mit Entzündung, Immunaktivierung und -regulation sowie Gewebeschädigung und -remodellierung in Zusammenhang stehen. Die in BIOPREVENT verwendeten Immun-Biomarker wurden in einer früheren, von Paczesny geleiteten Studie identifiziert und validiert.

Diese Biomarker wurden mit neun klinischen Faktoren kombiniert, darunter Alter der Patientin bzw. des Patienten, Transplantationstyp, Grunderkrankung und vorangegangene Komplikationen, die aus Transplantationsregistern stammten. In den USA sind Transplantationszentren verpflichtet, dem Center for International Blood and Marrow Transplant Research detaillierte, transplantationsspezifische Daten zu melden; für Patientinnen und Patienten in klinischen Studien erfolgt zusätzlich eine weitere Überprüfung. Nach Angaben von Paczesny trugen diese standardisierten Informationen dazu bei, sicherzustellen, dass das Modell auf konsistenten klinischen Daten hoher Qualität aufgebaut wurde.

Das Team testete mehrere Ansätze des maschinellen Lernens, um zu prüfen, ob sich Patientenergebnisse genauer vorhersagen lassen als mit traditionellen statistischen Methoden. Das leistungsstärkste Modell, das auf einer statistischen Technik namens Bayesian additive regression trees basiert, bildete die Grundlage für BIOPREVENT.

Die Ergebnisse zeigten, dass Modelle, die Blut-Biomarker mit klinischen Daten kombinierten, Modellen, die ausschließlich auf klinischen Daten beruhten, durchgängig überlegen waren – insbesondere bei der Vorhersage der transplantationsbedingten Mortalität. Das Team validierte das Tool zudem in einer unabhängigen Gruppe von Transplantationsempfängerinnen und -empfängern und bestätigte damit, dass es das Risiko zuverlässig auch über die Patientinnen und Patienten hinaus vorhersagte, die zum Aufbau des Modells verwendet wurden.

BIOPREVENT konnte Patientinnen und Patienten außerdem in Gruppen mit niedrigem und hohem Risiko einteilen, mit klaren Unterschieden in den Ergebnissen bis zu 18 Monate später. Bemerkenswert ist, dass unterschiedliche Biomarker unterschiedliche Transplantationsergebnisse vorhersagten – ein Hinweis darauf, dass chronische GVHD und transplantationsbedingter Tod zumindest teilweise durch unterschiedliche biologische Faktoren getrieben werden. So war beispielsweise ein Blut-Biomarker eng mit dem Sterberisiko nach der Transplantation verbunden, während andere besser darin waren zu signalisieren, wer später eine chronische GVHD entwickeln würde.

Um die Forschung auch außerhalb der Studie nutzbar zu machen, entwickelte das Team BIOPREVENT zu einer kostenlosen, webbasierten Anwendung weiter. Klinikerinnen und Kliniker können die klinischen Details und Biomarkerwerte einer Patientin oder eines Patienten eingeben und erhalten über die Zeit personalisierte Risikoschätzungen.