Detailseite
Projekt
Radioclinoms zur Prädiktion von Therapieansprechen bei Patienten mit metastasiertem Malignem Melanom unter Immun-Checkpoint-Inhibitoren und zielgerichteten Therapien
Antragstellerin
Professorin Dr. Lale Umutlu
Fachliche Zuordnung
Nuklearmedizin, Strahlentherapie, Strahlenbiologie
Förderung
Förderung von 2019 bis 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428212161
In den letzten Jahren wurde durch die Implementierung der Immun-Checkpoint-Inhibitoren und der zielgerichteten Therapien eine neue Ära der systemischen Therapie des metastasierten Malignen Melanoms eingeleutet. So konnte seitdem eine signifikante Verbesserung des Gesamtüberlebens und des progressionsfreien Überlebens von Patienten mit Malignem Melanom verzeichnet werden. Allerdings werden diese positiven Effekte durch eine hohe Anzahl von Therapieversagern geschmälert. So zeigen national und international durchgeführte Studien klinischer Paramter zur Therapie mit Immun-Checkpoint-Inhibitoren, dass ca 20% der Patienten von einem signifikanten Therapieansprechen profitieren, während bei 80% der Patienten von einem Therapieversagen auszugehen ist. Bei zielgerichteten Therapien ist mit einem Therapieversagen in 40-50% der Fälle auszugehen. Ausgehend von dieser Diskrepanz zwischen signifikantem Therapieerfolg, im Sinne einer Verbesserung des Gesamtüberlebens und des progressionsfreien Überlebens, und dem hohen Anteil an Therapieversagern, wird dem bildgebenden Therapiemonitoring eine große Verantwortung zuteil. Während sich die Krebstherapie in den letzten Jahren stetig und kontinuierlich verbessert und revolutioniert hat, konnte das bildgebende Therapiemonitoring diesem immensen Entwicklungsprozess nicht folgen. Daraus resultierend ergeben sich relevante Restriktionen bei der Anwendung konventioneller Bildgebungs- und Auswertealgorithmen (z.B. der RECIST Analyse) zur Frühbeurteilung von Therapieansprechen neuer Therapieformen. Insbesondere das frühe Therapiemonitoring wird durch konventionelle Bildgebungsalgorithmen nicht suffizient erfaßt, wodurch ein mögliches Therapieversagen zu spät erkannt wird. Dies wiederum kann mit der unnötigen Anwendung potenziell schädlicher und kostenintensiver Medikation einhergehen. Radiomics ermöglicht durch Bildgebungs-basiertes Profiling die Tumorbiologie hinsichtlich ihrer Heterogenität und Phänotypisierung besser analysieren zu können. Dieses Prinzip der Analyse von quantitativen Bildmerkmalen zur statistischen Aussage über Gewebeeigenschaften, Diagnosen und Krankheitsverläufen, beansprucht die Anwendung von Algorithmen, die durch Maschinelles Lernen (Machine Learning) gespeist werden, um der Masse und Komplexität der Datensätze gerecht zu werden. So konnten diverse Studien zeigen, dass durch eine gezielte kombinierte Analyse von Bildgebungsparametern und klinischen Parametern, Therapieansprechen bzw. –versagen vorhergesagt werden kann. Das Ziel unserer Studie ist es, Radiomics und Machine Learning-basierte Algorithmen zu nutzen, um das prädiktive Potenzial klinisch durchgeführter prätherapeutischer CT Untersuchungen undzur Prädiktion des frühen Therapieansprechens bei Patienten mit Malignem Melanom unter Immun-Checkpoint-Inhibitor und zielgerichteter Therapie zu analysieren.
DFG-Verfahren
Schwerpunktprogramme
