Berlin (LabNews Media LLC) – Ein neues KI-Modell der Charité – Universitätsmedizin Berlin klassifiziert Hirntumoren mit 99,1 Prozent Genauigkeit anhand ihres epigenetischen Fingerabdrucks, auch aus Nervenwasser, und ermöglicht präzise Diagnosen ohne riskante Biopsien. Veröffentlicht in Nature Cancer (DOI: 10.1038/s43018-025-00976-5), könnte das Modell „crossNN“ die Krebsmedizin verändern, indem es über 170 Tumorarten mit 97,8 Prozent Treffsicherheit identifiziert. Klinische Studien sind geplant.
Das Modell, entwickelt mit dem Deutschen Konsortium für translationale Krebsforschung (DKTK) und dem Berlin Institute of Health (BIH), nutzt epigenetische Modifikationen – chemische An- und Ausschalter im Erbgut –, die Tumoren charakterisieren. „Diese Muster sind ein unverwechselbarer Fingerabdruck“, erklärt Studienleiter PD Dr. Philipp Euskirchen. Besonders bei Hirntumoren ermöglicht eine Liquid Biopsy aus Nervenwasser eine nichtinvasive Diagnostik. Das Modell, trainiert mit tausenden Referenztumoren und validiert an über 5.000 Proben, übertrifft bisherige KI-Ansätze und bleibt erklärbar, was für klinische Zulassungen entscheidend ist.
Herkömmliche Gewebeanalysen sind oft riskant oder unpräzise, insbesondere bei ungünstig gelegenen Tumoren. Ein Beispiel ist ein Patient mit Doppelbildern, bei dem eine Nervenwasserprobe per Nanopore-Sequenzierung ein Lymphom des zentralen Nervensystems offenbarte, was eine sofortige Chemotherapie ermöglichte. „CrossNN liefert schnellere und genauere Diagnosen“, sagt Bioinformatiker Dr. Sören Lukassen. Das Modell eignet sich für Tumoren aller Organe und könnte intraoperative Anwendungen finden.
Die Charité plant mit dem DKTK klinische Studien an acht Standorten, um crossNN in die Routineversorgung zu integrieren. „Präzise Diagnosen sind essenziell für personalisierte Krebstherapien“, betont Prof. Martin E. Kreis. Die Methode könnte die Behandlung seltener Tumoren verbessern und die Gesundheitsversorgung kosteneffizienter gestalten.
Originalpublikation:
*Yuan D et al. cossNN is an explainable framework for cross-platform DNA methylation-based classification of tumors. Nature Cancer. 2025 June 06. doi: 10.1038/s43018-025-00976-5
