Wenn bei einer Frau Brustkrebs diagnostiziert wird, stellt sich die Frage nach der geeigneten Behandlung. Genexpressionstests können dabei helfen, den Krankheitsverlauf zu prognostizieren und auf dieser Grundlage eine geeignete Therapie auszuwählen. Die Zuverlässigkeit dieser Tests ist jedoch noch nicht vollständig geklärt. Wissenschaftler:innen der Universität Leipzig und der Pathologie Hamburg-West haben nun große Datenmengen mit maschinellem Lernen analysiert und festgestellt, dass Genexpressionssignaturen zwar eine hohe, aber keine vollständige Vorhersage des Krankheitsverlaufs ermöglichen.
Genexpressionssignaturen beschreiben das Aktivitätsmuster von Genen und können verwendet werden, um die Entwicklung von Tumoren vorherzusagen. Sie spielen daher eine entscheidende Rolle bei der Klassifizierung verschiedener Krebsarten sowie bei der Festlegung von Prognosen und Behandlungsstrategien.
In der aktuellen Studie, die in Zusammenarbeit mit Prof. Dr. Axel Niendorf von der Pathologie Hamburg-West veröffentlicht wurde, wurden rund 10.000 Signaturen aus renommierten Brustkrebsdatenbanken mit verschiedenen Modellen des maschinellen Lernens auf ihre prognostische Aussagekraft hin untersucht. Die Ergebnisse zeigen, dass die untersuchten Genexpressionssignaturen nur in bis zu 80 Prozent der Fälle zu einer korrekten Patientenprognose führen können.
Zudem weisen die Forschenden darauf hin, dass weniger als 50 Prozent aller potenziell verfügbaren Informationen in Prognosen einfließen, die ausschließlich auf Genexpressionssignaturen basieren. Sie empfehlen daher, neben Genexpressionstests auch andere Parameter heranzuziehen. "Obwohl unsere Ergebnisse die Bedeutung von Genexpressionssignaturen für die Vorhersage der Patientenprognose bestätigen, betonen sie auch die dringende Notwendigkeit eines ganzheitlichen Ansatzes, der molekulare, klinische, histologische und andere ergänzende Faktoren berücksichtigt, um eine genaue Prognose sicherzustellen", erklärt Tschodu.
Lesen Sie den ganzen Artikel
