Low-Risk-Prostatakrebs offenbart molekulare Aggressivität
Forschende der KTH Königlichen Technischen Hochschule in Stockholm haben molekulare Merkmale aufgedeckt, die bei Prostatakrebs-Patienten mit bisher als niedrigem Risiko eingestuften Tumoren auf ein höheres Aggressionspotenzial hinweisen. Die Ergebnisse wurden 2026 in der Fachzeitschrift npj Digital Medicine veröffentlicht und markieren einen wichtigen Schritt in der datengetriebenen Präzisionsmedizin. Bisherige klinische Risikoklassifikationen erfassen diese biologischen Unterschiede nicht vollständig, was die Entwicklung neuer therapeutischer Strategien ermöglicht. Das Forschungsteam um Assistenzprofessor Arian Lundberg integrierte verschiedene molekulare Datenschichten nach dem Multi-Omics-Ansatz. Während die Genomik DNA-Veränderungen abbildet, zeigt die Transkriptomik die Aktivität von Genen und die Epigenomik regulatorische Einflüsse auf diese Aktivität. Durch die Verknüpfung dieser Ebenen entsteht ein patientenspezifisches Gesamtbild der Tumorbio logie. Zur Analyse setzten die Wissenschaftler auf maschinelle Lernmodelle und Netzwerkanalysen, die von Assistenzprofessorin Golnaz Taheri am Institut für Computergestützte Wissenschaft und Technologie entwickelt wurden. Das Modell identifizierte dabei dynamische Umstrukturierungen im ZNF268-Netzwerk, die einen aktiven Übergangszustand des Tumors widerspiegeln. Derzeit befinden sich die Methoden im reinen Forschungsstadium und sind noch nicht für den klinischen Einsatz bereit. Im nächsten Schritt sollen die durch die Algorithmen vorhergesagten therapeutischen Angriffspunkte in Laborexperimentenvalidiert werden. Ziel ist es, zu klären, ob die identifizierten molekularen Veränderungen ausschließlich der Risikovorhersage dienen oder sich direkt für gezielte Therapieansätze nutzen lassen. Langfristig soll die Technologie die Risikoeinstufung präziser machen und Patientengruppen identifizieren, die von einer früheren oder spezifischeren Behandlung profitieren könnten. Das Projekt stützt sich auf umfangreiche schwedische und internationale klinische Kohorten und unterstreicht die wachsende Bedeutung der Kombination aus großer molekularer Datenbasis und Künstlicher Intelligenz zur Lösung klinischer Fragestellungen in der Onkologie.
