KI-Modell verbessert die Analyse von Tumorgewebe und die Vorhersage von Therapien

Ein Tumor besteht nicht nur aus Krebszellen. Auch Immunzellen, Blutgefässe und andere Bestandteile des umliegenden Gewebes beeinflussen, wie ein Tumor wächst und wie er auf eine Behandlung reagiert.

Entscheidend ist, welche Zellen in einem Tumor vorkommen, wo sie sich befinden und wie sie miteinander interagieren.

Selbst Tumoren mit einer ähnlichen zellulären Zusammensetzung können deshalb ganz unterschiedlich auf dieselbe Therapie ansprechen. Entscheidend ist, welche Zellen im Tumor vorkommen, wo sie sich befinden und wie sie miteinander interagieren. Moderne Analyseverfahren wie die räumliche Proteomik machen diese komplexen Zusammenhänge sichtbar. Die dabei entstehenden grossen Datenmengen sind jedoch schwierig auszuwerten und liessen sich bisher nur begrenzt über verschiedene Studien hinweg vergleichen.

Das neue KI-Modell kann genutzt werden, um biologische Zusammenhänge zwischen Zellen, Geweben, Therapien und Behandlungsergebnissen der Patient:innen zu untersuchen.

Um diese Herausforderung anzugehen, hat eine Forschungsgruppe der ETH Lausanne zusammen mit Forschern aus Genf, dem USZ und der UZH ein Foundation Modell entwickelt, welches aus räumlichen Proteom-Daten (Gesamtheit der vorhandenen Proteine) dreidimensionale Gewebe rekonstruieren kann. Das «Virtual Tissues» (VirTues) Modell kann räumliche Proteom-Daten über verschiedene Studien und unterschiedliche Tumorarten hinweg vergleichen. Es kann genutzt werden, um biologische Zusammenhänge zwischen Zellen, Geweben, Therapien und Behandlungsergebnissen der Patient:innen zu untersuchen. Die Ergebnisse wurden am 5. August 2026 in Nature veröffentlicht.

Hunderte von Proteinen gleichzeitig messen

«In der Onkologie ist die schiere Menge an Daten, die bei der Analyse von Gewebe anfallen, in den letzten Jahren exponentiell gewachsen», sagt Andreas Wicki, Stv. Klinikdirektor an der Klinik für medizinische Onkologie und Hämatologie am USZ. «Computergestützte Modellierung ist der Schlüssel, um Daten in einem klinischen Umfeld für Patienten nutzbar zu machen.»

Jede neue Studie baut auf dem bereits Erlernten auf und erweitert das Wissen fortlaufend.

VirTues kann Proteine einbeziehen, die in verschiedenen Studien, bei unterschiedlichen Krebsarten und mit verschiedenen Panels gemessen wurden. Damit lässt sich jede neue Gewebeprobe innerhalb desselben Rahmens vergleichen und analysieren. Jede neue Studie baut auf dem bereits Erlernten auf und erweitert das Wissen fortlaufend.

«Diese Flexibilität ist eine der grössten Stärken von VirTues», sagt Johann Wenckstern, Doktorand in Bunnes Gruppe und Erstautor der Studie. «Sie ermöglicht es uns, Datensätze in ein einziges Model zu integrieren, Gewebe aus verschiedenen Studien auf dieselbe Weise zu analysieren und Erkenntnisse über verschiedene Patientengruppen hinweg schnell zu interpretieren.»

VirTues folgt der Logik von Foundation Modellen, wie sie in der Sprachverarbeitung bereits verwendet werden: Es wird breit gefächert trainiert und nicht für eine einzelne vordefinierte Aufgabe.

VirTues stellt den bislang grössten öffentlich zugänglichen Datensatz räumlicher Proteomik-Messungen zusammen mit über 12 000 Bildern von über 5000 Patient:innen.

Zwei zentrale Fortschritte

«Als Analysewerkzeug bearbeitet VirTues Fragen, für deren Beantwortung ein Labor andernfalls separate Methoden benötigen würde», sagt Charlotte Bunne, Leiterin der Forschungsgruppe an der ETH Lausanne.

VirTues erzielt zwei zentrale Fortschritte: Erstens stellt es den bislang grössten öffentlich zugänglichen Datensatz räumlicher Proteomik-Messungen zusammen, der über 12 000 Bilder von über 5000 Patient:innen umfasst. Zweitens entwickelt es ein Modell, das darauf ausgelegt ist, komplexe Muster in grossen Datensätzen zu erlernen und zu interpretieren.

Mittelfristig sind die Weiterentwicklung von VirTues und anderen Modellen in ein Medizinprodukt und die Einbindung in Tumorboards für Präzisionsonkologie logische weitere Schritte.

Andreas Wicki, Stv. Klinikdirektor der Klinik für medizinische Onkologie und Hämatologie am USZ

«Die Möglichkeiten eines solchen Foundation Modells für die Präzisionsonkologie sind bemerkenswert. Sie erlauben uns, viele Biomarker gleichzeitig zu beurteilen, ohne dass wir biologisch begründete hierarchische Annahmen zur Wertigkeit der Marker treffen müssen. Das ist ein wichtiger Schritt auf dem Weg, strukturierte Therapievorhersagemodelle zu entwickeln», sagt Andreas Wicki vom USZ. «Mittelfristig sind die Weiterentwicklung von VirTues und anderen Modellen in ein Medizinprodukt und die Einbindung in unsere lokalen und nationalen Tumorboards für Präzisionsonkologie logische weitere Schritte.»

Beitragsbild: Krebszellen im Prozess einer Zellteilung – Prostatakrebs. (Foto: Canva)