Ein neu entwickelter Algorithmus namens plasmaCHORD der Johns Hopkins Kimmel Cancer Center verbessert die Genauigkeit von Liquid Biopsies erheblich, indem er biologisches Rauschen aus Blutproben filtert. Die Ergebnisse wurden am 1. Mai im Fachjournal Clinical Cancer Research veröffentlicht. Liquid Biopsies analysieren zellfreie DNA-Fragmente aus dem Blut, um Mutationen in soliden Tumoren zu identifizieren und zielgerichtete Therapien auszuwählen. Ein bekanntes Problem besteht darin, dass die Proben zudem Mutationen aus weißen Blutkörperchen enthalten können, die durch den alterungsbedingten Prozess der klonalen Hämatopoese entstehen. Diese treten häufig bei älteren Patienten oder nach Chemotherapie- und Strahlentherapien auf. Da sich die Mutationen des Tumors und der weißen Blutkörperchen ähneln, ist es für Kliniker oft schwierig, die korrekte Quelle zu bestimmen, was zu falschen Therapieentscheidungen führen kann. Um dieses Problem zu lösen, entwickelte das Forscherteam unter der Leitung von Dr. Jenna Canzoniero und Dr. Valsamo Anagnostou das maschinelle Lernmodell plasmaCHORD. Der Algorithmus nutzt charakteristische Unterschiede in der Fragmentierung der DNA-Fragmente von Tumoren im Vergleich zu denen der weißen Blutkörperchen. Zusätzlich fließen Patientenalter und spezifische Gen- sowie Mutationsmerkmale in die Berechnung ein. Das Modell wurde zunächst an Daten von 225 Patientinnen und Patienten mit Brust-, Darm-, Speiseröhren-, Eierstock- oder Nicht-Kleinzell-Lungenkrebs trainiert. Die Validierung erfolgte durch abgestimmte genetische Sequenzierung der Tumorzellen und der weißen Blutkörperchen, wodurch die wahre Mutationsquelle eindeutig identifiziert wurde. In einer externen Validierungsgruppe mit 114 Patientinnen und Patienten von einer anderen Institution, die eine andere Sequenzierplattform nutzte, bestätigte sich die Leistungsfähigkeit des Modells. plasmaCHORD steigerte die Trefferquote zur korrekten Unterscheidung zwischen Tumor- und Leukozytenmutationen bei klinisch relevanten Veränderungen von rund 50 auf 83 Prozent. Zudem lieferte das Team den klinischen Nutzen direkt nach: Durch die präzisere Zuordnung der Mutationen konnten Ärztinnen und Ärzte am Johns Hopkins Molecular Tumor Board wiederholt unwirksame zielgerichtete Therapien vermeiden. Rund ein Drittel der in Liquid Biopsies tumorfreier Patientinnen und Patienten nachgewiesenen Mutationen stammen tatsächlich aus den weißen Blutkörperchen, erläutert Anagnostou. Die Integration künstlicher Intelligenz in standardisierte Liquid-Biopsy-Tests sei daher sowohl klinisch wertvoll als auch schnell skalierbar. Canzoniero sieht das Modell als vielseitiges Werkzeug für Forschung und Klinik, während weitere Forschungsarbeiten auf eine noch höhere Genauigkeit in kommenden Versionen abzielen. Die Studie wird von Forschenden der Johns Hopkins University, der Vanderbilt University, LabCorp, dem Niederländischen Krebsinstitut und dem Universitätsklinikum Utrecht unterstützt.