Detailseite
Projekt
Multiomics-Analysen basierend auf Künstlicher Intelligenz zur Prädiktion des Personalisierten Therapieerfolges nach Strahlentherapie beim Primären Prostatakarzinom
Antragsteller
Dr. Simon Spohn
Fachliche Zuordnung
Nuklearmedizin, Strahlentherapie, Strahlenbiologie
Förderung
Förderung seit 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 546330039
Prostatakrebs (PCa) ist die häufigste Krebserkrankung bei Männern in Europa. Fortschritte in der Diagnostik, wie die multiparametrische Magnetresonanztomographie (mpMRT) und gezielte Biopsien, kombiniert mit dem Screening auf das prostataspezifische Antigen (PSA) und längeren Lebenserwartungen, haben zur vermehrten Erkennung von Hoch-Risiko PCa geführt, welches radikale Behandlungen erfordert. Dieser Trend stellt finanzielle und personelle Herausforderungen für das Gesundheitssystem dar und erfordert optimale Behandlungsstrategien. Die Strahlentherapie (RT), mit oder ohne Androgenentzugstherapie, ist eine kurative Therapieoption. Allerdings erleben bis zu 20% der Patienten mit intermediärem oder hohem Risiko innerhalb von fünf Jahren ein Rezidiv. Die Diagnose von Rezidiven und Salvage-Behandlungen können zu einer beeinträchtigten Lebensqualität und erheblichen Kosten führen. Leider spiegeln aktuelle Klassifizierungssysteme die individuelle Tumorbiologie und Aggressivität nicht ausreichend wider, was sich in heterogenem Ansprechen zeigt. Daher sind neue Biomarker erforderlich, um das proteogenomische, metabolische und histopathologische Profil des PCa besser zu verstehen und damit personalisierte Behandlungen zu ermöglichen. Das AIMPORT-Projekt zielt darauf ab, robuste und anwendbare Multi-Omic-Signaturen als prognostische Marker für das Ergebnis nach definitiver RT bei Patienten mit intermediärem und hohem Risiko-PCa unter Verwendung von Künstlicher Intelligenz (KI)-Ansätzen zu entwickeln. Das klinische Rückgrat bildet die randomisierte, kontrollierte Phase-III-Multizenter HypoFocal-SBRT-Studie, die von der "Dekade gegen Krebs" finanziert wird. Hochdimensionale Daten dieser Patienten werden in verschiedenen Zielen zusammengefasst: (i) Genomische Signaturen einschließlich bekannter genomischer Klassifizierer, (ii) proteogenomische Signaturen, (iii) histomische Signaturen und (iv) radiomische Signaturen werden als prognostische Marker nach definitiver RT validiert. Unter Berücksichtigung der Vorteile von Multi-Omic -Analysen wird eine integrative Statistik und KI-basierte Modellierung durchgeführt, um invasive und nicht-invasive Biomarker für eine verbesserte Risikostratifizierung zu identifizieren. Diese neuen Biomarker werden dabei helfen, Patienten zu identifizieren, die ein hohes oder niedriges Risiko für ein Rezidiv nach RT haben. Durch diese verbesserte Risikostratifizierung sollen Über- und Unterbehandlung in Zukunft vermieden, die Lebensqualität der Patienten erhöht und das Risiko einer Krankheitsprogression und begleitender Komorbiditäten reduziert werden. Die generierten Daten werden zur Entwicklung weiterer Untersuchungen und klinischer Studien beitragen, die die prädiktive Kapazität von Biomarkern validieren und damit den Weg zur personalisierten Medizin ebnen. Diese Ziele sind von enormer Bedeutung für die Patienten, wie durch die europäische Patientenvertretung (EUROPA-UOMO), die das AIMPORT-Projekt unterstützt, definiert wurde
DFG-Verfahren
Sachbeihilfen
