Am 1. November 2024 haben Forscher im Vereinigten Königreich eine bahnbrechende Technologie vorgestellt, die darauf abzielt, den Erfolg von Krebstherapien vor den Tests an Patienten zu schätzen. Dieser innovative Ansatz beinhaltet die Erstellung von 'digitalen Zwillingen' realer Patienten mit Krebs unter Verwendung von Methoden, die zuvor von Astrophysikern in der Forschung zu schwarzen Löchern eingesetzt wurden.
Die Technologie soll virtuelle klinische Studien durchführen, um die am besten geeignete Behandlung für Einzelpersonen in den frühen Stadien ihrer Krankheit auszuwählen. Dr. Uzma Asghar, Mitbegründerin und wissenschaftliche Direktorin von Concr sowie Onkologin am Royal Marsden NHS Foundation Trust in London, präsentierte die Ergebnisse beim 36. Symposium der Europäischen Organisation für Forschung und Behandlung von Krebs in Barcelona, Spanien.
Dr. Asghar erklärte, dass digitale Zwillinge individuelle Patienten repräsentieren, den Aufbau von klinischen Studienkohorten erleichtern und die Wirksamkeit von Behandlungen vergleichen können, um die Erfolgschancen vor der realen Anwendung vorherzusagen. Dieses Konzept, das ursprünglich in den 1960er Jahren von der NASA entwickelt wurde, hat in jüngster Zeit an Bedeutung in Studien über künstliche Intelligenz und Big Data gewonnen.
Die digitalen Zwillinge werden aus biologischen Daten von Tausenden von Krebspatienten erstellt, die auf verschiedene Weise behandelt wurden, und mit molekularen Daten von Tumoren kombiniert, um digitale Darstellungen von Krebs zu erstellen. Die Forscher verwendeten eine Technologie namens FarrSight®-Twin, die Algorithmen einsetzt, um die Wahrscheinlichkeit des Erfolgs möglicher Therapien zu berechnen. Sie bewerteten Fälle von Brust-, Bauchspeicheldrüsen- und Eierstockkrebs.
Patienten, die Behandlungen erhielten, die von der Technologie empfohlen wurden, zeigten eine Ansprechrate von 75 %, im Vergleich zu 53 % bei denen, die alternative Methoden erhielten. Dr. Asghar bemerkte, dass laufende Entwicklungen darauf abzielen, die Fähigkeit der Technologie zu verbessern, individuelle Therapieantworten in klinischen Umgebungen vorherzusagen und Ärzten zu helfen, die effektivsten Chemotherapieoptionen zu bestimmen.