Organoidmodelle und KI-Tools treiben Fortschritte bei der Personalisierung der Krebsbehandlung

Organoide haben sich als Werkzeuge der nächsten Generation etabliert, um die Vielfalt von Hirntumoren in einem klinisch relevanten Kontext abzubilden, und bieten eine leistungsfähige präklinische und ko-klinische Plattform zur Personalisierung der Neuro-Onkologie. Diese dreidimensionalen Modelle bilden Tumorheterogenität und zentrale pathophysiologische Prozesse in vitro nach, sind zugleich relativ zeit- und kosteneffizient herzustellen.

Es werden Machine-Learning-Algorithmen entwickelt, die aus der Tumorbildgebung Erkenntnisse gewinnen können, die im Grunde nur künstliche Intelligenz wirklich „sehen“ kann. Ziel ist, diese Informationen zu nutzen, um dem Onkologen und dem Patienten eine Therapieempfehlung zu geben. Eine solche KI-Unterstützung könnte insbesondere in Situationen mit klinischer Equipoise hilfreich sein, wenn Onkologen keine klaren Hinweise darauf haben, welche Behandlung bei einem Individuum besser wirken wird.

Tumour organoids kombinieren effektiv die Vorteile einfacher Zelllinien und komplexer in vivo-Modelle und ermöglichen ein physiologisch relevantes ex vivo-Modelling von Hirntumoren. Hirntumor-Organoide umfassen patientenabgeleitete Tumororganoide, gentechnisch veränderte Organoide und Tumor-Assembloids und bieten dadurch vielfältige Eigenschaften und Einsatzmöglichkeiten. Primäre patientenabgeleitete Organoide können aus einer großen Vielfalt von Hirntumoren gewonnen werden, was sie zu hervorragenden ex vivo-Tumor-Avataren für funktionelle Readouts und Präzisionsmedizin macht.

Ein Team europäischer Wissenschaftler hat eine durch künstliche Intelligenz verbesserte Bildgebungsplattform vorgestellt, die Forschenden eine neue Möglichkeit bietet, Krebsorganoide und Sphäroide für ein nicht-invasives, markerfreies Monitoring von Tumormodellen über die Zeit zu untersuchen. Die Forschenden entwickelten ein KI-gestütztes optisches Kohärenz-photoakustisches Mikroskopiesystem namens OC-PAM.

In drei sorgfältig konzipierten Experimenten zeigte das Team, dass OC-PAM Organoide longitudinal verfolgen, ihre Reaktion auf Chemotherapie bewerten, die Viabilität einzelner Organoide anzeigen und Surrogatmarker für medikamententolerante Persistenzzellen (drug tolerant persister cells) identifizieren kann. Entscheidend ist, dass all diese Fähigkeiten nicht-invasiv und markerfrei erreicht werden.

Für die longitudinale Bildgebung nutzten die Forschenden den Modus der optischen Kohärenzmikroskopie, um Brustkrebsorganoide nach Chemotherapie-Exposition durch die Gabe von carboplatin zu untersuchen. Mithilfe einer automatisierten Verfolgung einzelner Organoide sowie einer quantitativen Analyse ihrer mittleren Volumina bewertete das Team, wie die Modelle auf die Behandlung reagierten. Medikamentös behandelte Organoide zeigten verringerte Wachstumsraten. Bemerkenswert war, dass eine kleine Untergruppe Nachwuchsmuster aufwies, die mit medikamententoleranten Persistenzzellen übereinstimmten – seltenen Zellen, von denen angenommen wird, dass sie zur Therapieresistenz und zum Rezidiv beitragen.

Über morphologische Veränderungen hinaus führte die Studie eine radiomics-basierte Analyse von Daten der optischen Kohärenzmikroskopie zur Bewertung der Organoid-Viabilität ein. Durch den Einsatz von Machine-Learning-Techniken erreichten die Forschenden eine hohe Klassifikationsleistung und zeigten damit das Potenzial der Plattform für ein nicht-destruktives Monitoring des Therapieansprechens über die Zeit.

In einem weiteren Experiment untersuchte das Team die Sensitivität des Systems gegenüber seltenen Zellpopulationen. Mit OC-PAM bildeten sie melanin-haltige Melanomzellen ab, die in dichte 3D-Sphäroide zusammen mit Brustkrebszellen gemischt waren. Selbst bei sehr niedrigen Konzentrationen konnten einzelne seltene Zellen erfolgreich visualisiert werden.

Gentechnisch veränderte Organoide ermöglichen es Forschenden, mechanistische Einblicke in die Biologie menschlicher Tumoren in einem kontrollierten genetischen Hintergrund zu gewinnen. Hirntumor-Assembloids erleichtern die Untersuchung von Tumorzellinvasion und -wachstum in Wechselwirkung mit gesunden menschlichen Hirnstrukturen.

Wenn eine Behandlung nicht wirkt – was zwangsläufig bei einem Teil der Patienten der Fall ist –, geht Zeit verloren, und die Patienten müssen zur nächsten Therapielinie wechseln. Wenn KI hier für Klarheit sorgen kann, könnte sie der Onkologie helfen, ein neues Niveau der personalisierten Medizin zu erreichen. Mit seinen nicht-invasiven, markerfreien und longitudinalen Möglichkeiten könnte das System dazu beitragen, die Krebsbiologie voranzubringen, die Arzneimittelentwicklung zu beschleunigen und stärker personalisierte Ansätze in der Onkologie zu unterstützen.