Ultrafølsom flydende biopsi-teknologi opdager kræft tidligere end standardmetoder

En AI-baseret metode til at detektere tumor-DNA i blodet har vist hidtil uset følsomhed i at forudsige kræfttilbagefald, ifølge en undersøgelse ledet af forskere ved Weill Cornell Medical School, NewYork-Presbyterian, New York Genome Center (NYGC) og Memorial Sloan Kettering (MSK). Den nye teknologi har potentiale til at forbedre kræftbehandlingen ved at detektere tilbagefald meget tidligt og nøje overvåge tumorrespons på behandling.

I et studie offentliggjort den 14. juni i tidsskriftet Nature Medicine viste forskerne, at de var i stand til at træne en maskinlæringsmodel, en type kunstig intelligensplatform, til at detektere cirkulerende tumor-DNA (ctDNA) baseret på DNA-sekventeringsdata fra patienters blodprøver med meget høj følsomhed og nøjagtighed. De demonstrerede med succes teknologien hos patienter med lungekræft, melanom, brystkræft, tyktarmskræft og præcancerøse tyktarmspolypper.

"Vi var i stand til at opnå en betydelig forbedring i signal-støj-forholdet, hvilket for eksempel gjorde det muligt for os at opdage kræfttilbagefald måneder eller endda år før standard kliniske metoder kan," sagde studiets medforfatter Dr. Dan Landau, professor i medicin i afdelingen for hæmatologi og medicinsk onkologi ved Weill Cornell Medical School og et kernemedlem af New York Genome Center.

Medforfatter og førsteforfatter af studiet var Dr. Adam Widman, en postdoc i Landaus laboratorium, som også er brystonkolog ved MSK. Andre førsteforfattere var Minita Shah fra NYGC, Dr. Amanda Frydendal fra Aarhus Universitet og Daniel Halmos fra NYGC og Weill Cornell Medical School.

Flydende biopsiteknologi har været langsom til at realisere sit store potentiale. De fleste eksisterende tilgange er rettet mod relativt små sæt af kræftassocierede mutationer, der ofte er for sjældne i blodet til at kunne detekteres pålideligt, hvilket fører til undervurdering af kræfttilbagefald.

For flere år siden udviklede Dr. Landau og hans kolleger en alternativ tilgang baseret på helgenomsekventering af DNA i blodprøver. De viste, at dette kunne indsamle langt mere "signal", hvilket gjorde det muligt at detektere tumor-DNA mere følsomt og logistisk. Siden da er denne tilgang i stigende grad blevet anvendt af udviklere af flydende biopsier.

I det nye studie tog forskerne det et skridt videre ved at bruge en avanceret maskinlæringsstrategi (svarende til den, der bruges i populære AI-apps som ChatGPT) til at detektere subtile mønstre i sekventeringsdataene, specifikt for at skelne mønstre, der indikerer kræft, fra mønstre, der indikerer sekventeringsfejl og anden "støj".

I en test trænede forskerne deres system, som de kaldte MRD-EDGE, til at genkende patientspecifikke tumormutationer hos 15 patienter med tyktarmskræft. Efter operation og kemoterapi forudsagde systemet, baseret på bloddata, at ni af dem havde resterende kræft. Fem af disse patienter fik senere opdaget recidiv ved hjælp af mindre følsomme metoder flere måneder senere. Men der var ingen falsk negative resultater: Ingen af de patienter, som MRD-EDGE havde regnet som fri for tumor-DNA, fik recidiv i løbet af undersøgelsesperioden.

MRD-EDGE viste lignende følsomhed i studier af patienter med tidligt stadie af lungekræft og triple-negativ brystkræft, hvor alle tilbagefald undtagen ét blev opdaget tidligt og tumorstatus blev sporet under behandlingen.

Forskerne viste, at MRD-EDGE endda kunne detektere mutant DNA fra præcancerøse tyktarmsadenomer - polypper, hvorfra tyktarmskræft udvikler sig.

"Det var ikke klart, om disse polypper kunne frigive detekterbart ctDNA, så dette er et betydeligt fremskridt, der kan pege på fremtidige strategier til at detektere præcancerøse forandringer," sagde Dr. Landau, som også er medlem af Sandra and Edward Meyer Cancer Center på Weill Cornell School of Medicine og hæmatolog-onkolog på NewYork-Presbyterian/Weill Cornell Medical Center.

Endelig viste forskerne, at selv uden forudgående træning i patients tumorsekventeringsdata kunne MRD-EDGE detektere responser på immunterapi hos melanom- og lungekræftpatienter uger før detektion med standard røntgenbilleddannelse.

"Samlet set imødekommer MRD-EDGE et stort behov, og vi er begejstrede for dets potentiale og arbejder sammen med industripartnere for at forsøge at bringe det til patienterne," sagde Dr. Landau.