Akute myeloische Leukämie (AML) ist eine aggressive Krebsform, die zu den häufigsten Kinderkrebsarten und aggressivsten Krebserkrankungen zählt. AML ist zudem keine einzelne Erkrankung. Unter dem Begriff wird eine Gruppe von Leukämien zusammengefasst, die sich aus entarteten unreifen Blutzellen im Knochenmark bilden. Diese sogenannten myeloiden Zellen können in der Folge wachsen und sich so rasch teilen, dass sie die gesunden Zellen aus dem Knochenmark und schließlich auch aus dem Immunsystem verdrängen. Die massiv gestörte Blutbildung führt dann zu gefährlicher Blutarmut, erhöhter Infektionsanfälligkeit, Blutungsneigung oder Organversagen.
Gefahr von unwirksamer Behandlung und Rückfällen
Trotz langwieriger Forschung an dieser Erkrankung hat ein Teil der betroffenen Kinder noch immer eine eher schlechte Prognose, heißt es in einer Aussendung der St. Anna Kinderkrebsforschung (CCRI), weil die mutierten Zellen genetisch so gestrickt sind, dass sie auf Standard-Wirkstoffe nicht ansprechen oder die Betroffenen Rückfälle erleiden. Die Forschungsgruppe um Ben Haladik, Kaan Boztug, Michael Dworzak (alle CCRI) und Giulio Superti-Furga vom Forschungszentrum für Molekulare Medizin (CeMM) der Akademie der Wissenschaften (ÖAW) und der Medizinischen Uni Wien hat nun eine Methode entwickelt, wie möglichst alle Informationen über die Beschaffenheit und Biologie der Krebszellen von einzelnen Patientinnen und Patienten zusammengefasst werden können.
Im Zentrum des Ansatzes steht ein Verfahren, das am CeMM unter dem Namen "Pharmacoscopy" entwickelt wurde. Dabei handelt es sich um einen Aufbau, in dem Leukämiezellen aus Blut- oder Knochenmarksproben gezüchtet und mit verschiedensten Medikamenten behandelt werden können. Was dann passiert, wird automatisch mittels Mikroskop erfasst. Mittels Künstlicher Intelligenz (KI) in Form von Deep-Learning-Algorithmen kann "der Effekt jedes Wirkstoffs in hunderttausenden Zellen parallel analysiert" werden, heißt es.
Neue Option zum Erkennen von Hochrisikopatienten
So lassen sich mit noch nicht gekannter Genauigkeit die Eigenheiten jeder einzelnen, individuellen AML-Form herausarbeiten. Das Forschungsteam konnte etwa zeigen, dass eine Zellvariante, der eigentlich nicht mit der Standard-Chemotherapie beizukommen ist, mit einer Kombination aus mehreren Wirkstoffen gut behandelbar wäre. Mit der Methode, die "molekularbiologische Analysen, bioinformatische Methoden und Künstliche Intelligenz" verbindet, habe man "eine Basis für weitere Forschungen für bessere Behandlungsmethoden" geschaffen, wird Studien-Erstautor Haladik zitiert. Man könne nun "Resistenzen bereits bei der Diagnose erkennen" sowie Hochrisikopatienten "frühzeitig identifizieren und ihnen passgenauere Behandlungsstrategien anbieten", so Dworzak.
(S E R V I C E - https://doi.org/10.1016/j.xcrm.2025.102304)