A continuous transcriptomic entropy score is associated with overall survival in WHO grade 3 IDH-mutant glioma: development and external validation across two sequencing platforms

In der Welt des Hirntumors stellt ein spezifischer Typ von Tumoren die Ärzte seit langem vor ein schwieriges Rätsel. Dabei handelt es sich um Gliome, Tumore, die aus den Stützzellen des Gehirns wachsen. Wenn ein Patient eine spezifische genetische Veränderung trägt, die als IDH-Mutation bezeichnet wird, ist die Prognose im Allgemeinen besser als bei anderen Arten von Hirntumoren, doch der Weg nach vorne bleibt ungewiss. Ärzte verlassen sich derzeit auf zwei Hauptindizien, um zu entscheiden, wie aggressiv ein Patient behandelt werden soll: den Grad des Tumors, ein grobes Maß dafür, wie abnormal die Zellen unter dem Mikroskop aussehen, und den Status eines Gens namens MGMT, das beeinflussen kann, wie gut ein Medikament wirkt. Diese Werkzeuge sind jedoch stumpfe Instrumente. Zwei Patienten können auf dem Papier identisch aussehen, denselben Grad und denselben Genstatus teilen, und dennoch überlebt der eine ein Jahrzehnt, während ein anderer in weniger als zwei Jahren verstirbt. Diese große Lücke in den Ergebnissen lässt Ärzte raten, was dazu führen kann, dass ein Patient einer harten Bestrahlung und Chemotherapie ausgesetzt wird, die keinen Nutzen bringt, oder umgekehrt zu lange mit der Behandlung eines Tumors wartet, der im Stillen gefährlicher wird.

Jahrelang haben Forscher versucht, die genetische Aktivität des Tumors, oder Transkriptomik, zu nutzen, um dieses Problem zu lösen. Die meisten bestehenden Methoden funktionieren wie eine Sortiermaschine, die einen Tumor in eine von wenigen festen Kategorien einordnet. Während diese Kategorien Gruppen von Menschen gut beschreiben, sind sie schlechte Werkzeuge für Entscheidungen über einen einzelnen Individuum. Sie liefern ein Label, wie etwa „Typ A“ oder „Typ B“, anstatt ein Maß dafür zu geben, wie nah ein spezifischer Tumor daran ist, tödlich zu werden. Was fehlte, war eine Möglichkeit, jedem einzelnen Patienten einen kontinuierlichen Score zu geben – eine Zahl, die genau sagen kann, wo sich ihr Tumor auf dem Spektrum zwischen einer langsam wachsenden Masse und einem aggressiven, schnell fortschreitenden Krebs befindet.

Eine neue Studie von Ivy Datta adressiert diese Lücke, indem sie ein neues Bewertungssystem namens „Transcriptomic Ambiguity Index“ entwickelt und testet. Die Forscher begannen mit einer einfachen, aber kraftvollen Idee: Wenn ein Computerprogramm versucht, einen Tumor in eine Kategorie einzuordnen, spielt die Sicherheit dieser Entscheidung eine Rolle. Stellen Sie sich einen Computer vor, der darauf trainiert wurde, zwischen einem langsam wachsenden, niedriggradigen Gliom und einem schnell wachsenden, tödlichen Glioblastom zu unterscheiden. Für die meisten niedriggradigen Tumore ist der Computer sehr sicher und weist ihnen einen Score zu, der besagt: „Dies ist definitiv ein niedriggradiger Tumor.“ Aber für einige Tumore zögert der Computer. Ihre genetische Signatur liegt irgendwo dazwischen, was es schwierig macht, mit Gewissheit zu sagen, ob es sich um einen niedriggradigen oder einen hochgradigen Tumor handelt. Die Forscher schlugen vor, dass dieses Zögern kein Fehler oder Rauschen ist, sondern ein lebenswichtiges Signal. Es deutet darauf an, dass der Tumor biologisch in einer Transition begriffen ist und beginnt, die Merkmale eines hochgradigen Krebses zu zeigen, noch bevor diese Merkmale unter dem Mikroskop sichtbar werden.

Um diese Idee in ein Werkzeug zu verwandeln, analysierte das Team genetische Daten von Hunderten von Patienten aus einer großen öffentlichen Datenbank. Sie bauten ein Computermodell auf, um zwischen den zwei extremen Typen von Gliomen zu unterscheiden. Dann gemessen sie für jeden neuen Tumor, wie unsicher sich das Modell bei der Klassifizierung war. Sie verwandelten diese Unsicherheit in eine einzige Zahl, einen Score, der steigt, je schwieriger der Tumor zu klassifizieren ist. Ein niedriger Score bedeutet, dass der Tumor eindeutig niedriggradig ist, während ein hoher Score bedeutet, dass der Tumor ambivalent ist und sich an der Grenze zum hochgradigen Krebs bewegt. Dieser Score ist kontinuierlich, was bedeutet, dass er jeden beliebigen Wert annehmen kann, was fein abgestufte Unterscheidungen zwischen Patienten ermöglicht, die ein einfaches Label nicht bieten kann.

Die Forscher testeten diesen Score anschließend an drei verschiedenen Patientengruppen, um zu sehen, ob er das Überleben vorhersagen kann. Die erste Gruppe wurde verwendet, um den Score aufzubauen und zu verfeinern, während die anderen beiden Gruppen, die aus einem anderen Land stammten und auf anderen Geräten sequenziert wurden, dazu dienten, zu sehen, ob der Score in der realen Welt funktionieren würde, ohne angepasst werden zu müssen. Die Ergebnisse waren beeindruckend. Bei Patienten mit einem IDH-mutierten Gliom des WHO-Grades 3 war der Score ein starker Prädiktor dafür, wie lange sie leben würden. Pro Standard-Erhöhung des Scores stieg das Sterberisiko signifikant an. Dieses Muster hielt in allen drei Gruppen stand, obwohl die Gruppen unterschiedlich groß waren, an verschiedenen Orten lagen und unterschiedliche Technologien zur Auslesung ihrer genetischen Daten verwendeten. Der Score blieb ein leistungsstarker Prädiktor, selbst wenn die Forscher für andere bekannte Faktoren wie Alter, den 1p/19q-Codelitionsstatus, die MGMT-Methylierung und die Behandlungen der Patienten kontrollierten.

Entscheidend ist, dass die Studie einige potenzielle Erklärungen ausschloss, warum der Score funktionierte. Eine Sorge war, dass der Score lediglich Patienten identifiziert, die falsch diagnostiziert wurden und tatsächlich einen anderen, aggressiveren Tumortyp ohne die IDH-Mutation hatten. Doch als die Forscher nur Patienten betrachteten, die genetisch bestätigt die IDH-Mutation aufwiesen, funktionierte der Score sogar noch besser, was bewies, dass er nicht einfach das Ergebnis einer Fehlklassifizierung war. Der Score basierte auch nicht einfach darauf, Patienten anhand einer spezifischen genetischen Deletion zu trennen, die als 1p/19q-Codelition bekannt ist; er lieferte neue Informationen zusätzlich dazu. Interessanterweise war der Score weniger konsistent bei der Vorhersage der Ergebnisse für Grad-2-Tumore, dem niedrigsten Grad dieser Krankheit. Er funktionierte gut in einer Gruppe, aber nicht in den anderen, was darauf hindeutet, dass er zwar ein kraftvolles Werkzeug für Grad-3-Tumore ist, aber möglicherweise nicht ausschließlich auf diese Phase beschränkt ist.

Die Studie hob auch ein praktisches Detail hervor, wie ein solches Werkzeug verwendet werden muss. Die exakte Zahl, die ein Patient erhält, hängt von der spezifischen Maschine und dem Labor ab, das die Probe analysiert hat. Ein „hoher“ Wert in einem Labor könnte in einem anderen ein „mittlerer“ Wert sein. Daher kann der Score nicht als universelle absolute Zahl ausgegeben werden. Stattdessen muss er gegen eine Referenzgruppe von Patienten kalibriert werden, die auf derselben Plattform verarbeitet wurden. Sobigkeit diese Kalibrierung erfolgt ist, wird der Score zu einem zuverlässigen Weg, um Patienten innerhalb dieser spezifischen Gruppe zu ranken und zu zeigen, wer einem höheren Risiko ausgesetzt ist.

Diese Arbeit erhebt nicht den Anspruch, das Problem der Hirntumorbehandlung gelöst zu haben, noch bietet sie ein neues Medikament oder eine garantierte Heilung an. Die verwendeten Daten wurden von vergangenen Patienten gesammelt, was bedeutet, dass es sich bei den Befunden um Assoziationen und nicht um Beweise für Ursache und Wirkung handelt. Die Forscher betonen, dass der Score in zukünftigen Studien prospektiv getestet werden muss, in denen Patienten beobachtet werden, um zu sehen, ob die Verwendung des Scores Ärzten tatsächlich hilft, bessere Entscheidungen zu treffen. Dennoch demonstriert die Studie erfolgreich, dass ein kontinuierliches Maß an genetischer Unsicherheit einen echten prognostischen Wert besitzt. Sie bietet eine Möglichkeit, über die statische Momentaufnahme des Erscheinungsbildes eines Tumors hinauszublicken und den dynamischen Prozess seiner Evolution zu erfassen, was ein klareres, nuancierteres Bild des Risikos für Patienten mit dieser herausfordernden Krankheit liefert.