Neue KI-Methode klassifiziert Hirntumore präzise aus Liquor

Eine internationale Forschungsgruppe unter Beteiligung der Medizinischen Universität Wien hat eine innovative KI-basierte Analysemethode entwickelt, die Hirntumore anhand genetischen Materials aus dem Liquor cerebrospinalis genau klassifizieren und den Krankheitsverlauf überwachen kann, was zukünftig eine frühere Diagnose ohne operative Eingriffe ermöglichen, invasive Verfahren reduzieren und die Behandlungserfolge besser kontrollieren könnte.

Grundlagen der KI-basierten Hirntumor-Diagnostik

Hirntumore bei Kindern und Jugendlichen zählen zu den häufigsten krebsbedingten Todesursachen und umfassen eine heterogene Gruppe von niedrig- und hochgradigen Malignomen. Die herkömmliche Diagnostik basiert auf Gewebeproben aus neurochirurgischen Eingriffen, die jedoch aufgrund riskanter Tumorlagen oder begrenzter Verfügbarkeit eingeschränkt sein können. Flüssigbiopsien aus dem Liquor bieten eine nicht-invasive Alternative, da sie tumorbedingte zellfreie DNA (cfDNA) erfassen, die charakteristische molekulare Muster trägt.

Die neue Methode nutzt DNA-Methylierungsmuster, die als molekulare Fingerabdrücke für die Subtyp-Unterscheidung dienen. Im Gegensatz zu früheren Ansätzen, die auf genetischen Veränderungen beruhen, ermöglicht dies eine robuste Klassifikation auch bei geringen cfDNA-Mengen. Die Studie analysierte Liquorproben von 156 Patienten mit pädiatrischen ZNS-Tumoren und 58 nicht-malignen Spendern.

Entwicklung des M-PACT-Algorithmus

Der Methylation-based Predictive Algorithm for CNS Tumors (M-PACT) ist ein tiefes neuronales Netzwerk, das auf über 5.000 DNA-Methylierungsprofilen von etwa 100 Tumorentitäten trainiert wurde. Es integriert CpG-Imputation durch ein netzwerkbasiertes Regressions-Diffusionsmodell und Tumoranreicherung, um subnanogramm-eingabe cfDNA-Methylierungsprofile zu verarbeiten. Drei neuronale Netzwerke – ein generisches, eines für niedrige Tumorfraktionen und eines für spärliche CpG-Daten – bilden ein Ensemble mit einer ausgewogenen Genauigkeit von über 0,9.

Die enzymatische Methylierungssequenzierung (EM-seq) wurde für niedrige Eingabemengen optimiert, mit einem Median von 0,5 ng cfDNA (Bereich 0,05–50 ng), was zu einem Median von 7 Millionen CpGs bei etwa 4-facher Abdeckung führt. Dies ermöglicht eine sensitive Kopienzahlvariation (CNV)-Detektion, die mit niedrig-abdeckender Ganzgenomsequenzierung (lcWGS) korreliert (r = 0,928, P = 4,08 × 10−48).

M-PACT wurde in embryonalen Benchmarking- (n=79) und Validierungs-Kohorten (n=58) sowie in nicht-embryonalen Kohorten (n=29) getestet. Es zeigt hohe Übereinstimmung mit etablierten gewebenbasierten Referenzmethoden.

Wichtige Ergebnisse der Studie

In der embryonalen Benchmarking-Kohorte erreichte M-PACT eine Genauigkeit von 92 Prozent (73 von 79 Fällen), in der Validierungs-Kohorte 88 Prozent (51 von 58 Fällen) und in der nicht-embryonalen Kohorte 76 Prozent (22 von 29 Fällen). Korrekte Klassifikationen wiesen eine mediane ctDNA-Fraktion von 0,32 auf, während Fehlklassifikationen bei 0,15 lagen (P = 5,6 × 10−277, Mann-Whitney-U-Test). Die CpG-Sparsität betrug median 0,70 für korrekte und 0,81 für fehlerhafte Fälle (P = 3,2 × 10−52).

In silico-Tests mit 1.152.000 simulierten Proben zeigten F1-Scores von 0,95 bei Tumorfraktionen über 0,5 und 0,91 darunter. Eine ctDNA-Fraktionsschwelle von 0,15 ergab eine Genauigkeit von 95 Prozent über alle Kohorten. Die binäre Klassifikation detektierte ctDNA in 96 Prozent der Fälle (159 von 166), im Vergleich zu 88 Prozent durch M-PACT allein.

Bei nicht-malignen Liquorproben (n=40) lag die Genauigkeit bei 100 Prozent. Die Methode funktioniert auch bei ausgewogenen Tumorgenomen und ermöglicht die Unterscheidung von Rezidiven und sekundären Tumoren.

Anwendung auf verschiedene Tumorarten

M-PACT klassifiziert embryonale Tumore wie Medulloblastome (MB G3/4), embryonale Tumore mit mehrschichtigen Rosetten (ETMR) und atypische teratoid-rhabdoid Tumore (ATRT) mit hoher Präzision. In der nicht-embryonalen Gruppe umfasst es Astrocytome (IDH-mutiert), diffuse Mittelliniengliome (H3 K27-mutiert), Ependymome, Keimzelltumore (GCT), hochgradige Gliome (HGG), Meningeome (MNG), Choroidplexustumore und hochgradige neuroepitheliale Tumore (BCOR-altert).

Beispiele aus der Studie zeigen, dass M-PACT bei einem Medulloblastom-Patienten eine korrekte Subtyp-Klassifikation (MB G3/4) ermöglichte, basierend auf Methylierungsmustern, die mit gewebenbasierten Analysen übereinstimmten. Ein weiteres Beispiel betrifft einen ETMR-Fall, bei dem niedrige ctDNA-Mengen (Fraktion 0,2) ausreichten für eine 85-prozentige Wahrscheinlichkeit der korrekten Zuordnung.

Die Methode erlaubt zudem die Detektion genetischer Veränderungen während des Krankheitsverlaufs, wie zunehmende Aggressivität oder Therapieansprechen.

Vorteile für die klinische Praxis

Diese KI-basierte Hirntumor-Klassifikation reduziert die Abhängigkeit von invasiven Biopsien, insbesondere bei Tumoren in schwer zugänglichen Regionen wie dem Hirnstamm. Praktische Tipps für Kliniker umfassen die Sammlung von Liquorproben vor Operationen, um eine vorläufige Diagnose zu stellen und das Operationsrisiko zu minimieren. Die Integration in Routinediagnostik könnte die Zeit bis zur Therapieeinleitung verkürzen.

Die Studie betont die Notwendigkeit prospektiver klinischer Untersuchungen, um M-PACT in den Alltag zu überführen. In Fällen mit niedriger ctDNA-Fraktion (unter 0,15) empfehlen die Autoren ergänzende Methoden wie lcWGS für CNV-Detektion.

Die zelluläre Dekonvolution schätzt Anteile nicht-maligner Zellen, was Einblicke in die Tumor-Mikroumgebung gibt und die Bewertung von Immunantworten erleichtert.

Potenzial für Früherkennung und Überwachung

M-PACT öffnet die Möglichkeit, Hirntumore aus Liquorproben vor einer Operation zu diagnostizieren und den Verlauf weniger invasiv zu überwachen. In longitudinalen Analysen konnte die Methode Veränderungen in Methylierungssignaturen nachweisen, die auf Rezidive oder Therapieerfolge hinweisen.

Ein Fallbeispiel aus der Studie illustriert die Überwachung eines Medulloblastoms: Vorbehandlungsproben zeigten hohe ctDNA-Fraktionen (0,45), die nach Chemotherapie auf 0,1 sanken, was eine positive Response anzeigt. Bei Rezidiven stieg die Fraktion wieder an, begleitet von neuen CNV-Mustern.

Diese Ansätze könnten besonders bei pädiatrischen Patienten mit hohem Operationsrisiko von Vorteil sein, wo frühe Intervention die Überlebenschancen verbessert.

Herausforderungen und Limitationen

Trotz hoher Genauigkeit hängen die Ergebnisse von der ctDNA-Fraktion und CpG-Abdeckung ab; bei Werten unter 0,15 oder Sparsität über 0,8 sinkt die Zuverlässigkeit. Die Studie analysierte hauptsächlich pädiatrische Tumore, sodass Anwendbarkeit auf adulte Fälle weiter geprüft werden muss.

Cross-Plattform-Validierungen zeigten 86 Prozent Genauigkeit auf Nanopore-Sequenzierung (18 von 21 Fällen), was die Robustheit unterstreicht. Dennoch fehlen spezifische Sensitivitäts- und Spezifitätswerte für einzelne Subtypen; die ausgewogene Genauigkeit lag in silico bei über 0,9.

Wo Informationen unklar sind, kann ich das nicht bestätigen, etwa zu exakten AUC-Werten, die nicht angegeben wurden.

Internationale Zusammenarbeit und Finanzierung

Die Arbeit entstand in Kooperation zwischen dem St. Jude Children’s Research Hospital (USA), dem Hopp-Kindertumorzentrum (KiTZ) in Heidelberg und der Medizinischen Universität Wien. Beteiligte Zentren lieferten Liquorproben unter ethischen Genehmigungen.

Finanzierung kam von Organisationen wie dem American Lebanese Syrian Associated Charities, der Mark Foundation for Cancer Research und dem Austrian Science Fund (FWF). Die Studie unterstreicht die Bedeutung interdisziplinärer Ansätze in der Onkologie.

Ausblick auf zukünftige Entwicklungen

M-PACT stellt einen Meilenstein in der nicht-invasiven Diagnostik dar und könnte Standards in der pädiatrischen Neuroonkologie verändern. Weitere Validierungen in prospektiven Studien sind essenziell, um klinische Implementierung zu sichern.

Die Methode integriert sich nahtlos in bestehende Workflows und bietet Tools für sensitive CNV-Detektion und zelluläre Dekonvolution. Langfristig könnte sie die Mortalität senken, indem sie frühere und präzisere Interventionen ermöglicht.

Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!

Häufig gestellte Fragen (FAQs)

Was unterscheidet M-PACT von traditionellen Biopsiemethoden? M-PACT basiert auf cfDNA-Analyse aus Liquor, vermeidet operative Risiken und erlaubt wiederholte Probenahmen für dynamische Überwachung, im Gegensatz zu einmalign Gewebebiopsien, die statisch und invasiv sind.

Kann M-PACT bei allen Hirntumortypen angewendet werden? Es ist primär für pädiatrische ZNS-Tumore validiert, mit höherer Genauigkeit bei embryonalen Typen; für adulte oder seltene Varianten sind zusätzliche Studien erforderlich, um die Generalisierbarkeit zu bewerten.

Wie beeinflusst die ctDNA-Fraktion die Zuverlässigkeit? Niedrige Fraktionen unter 0,15 reduzieren die Genauigkeit, da weniger tumorbedingte Signale verfügbar sind; in solchen Fällen verbessert eine binäre Klassifikation die Detektionsrate auf 96 Prozent.

Welche Rolle spielt die DNA-Methylierung in der Klassifikation? Methylierungsmuster dienen als stabile epigenetische Marker, die Tumor-Subtypen differenzieren, unabhängig von genetischen Mutationen, und ermöglichen Klassifikation bei geringen DNA-Mengen.

Ist M-PACT für klinische Routine geeignet? Derzeit ist es forschungsbasiert, aber prospektive Studien könnten es in die Praxis bringen; es erfordert spezialisierte Sequenzierung und KI-Infrastruktur, die in großen Zentren verfügbar ist.

Quellen

Smith, K. S., Kostecka, A., Lin, H., Volz, S., Schwarz, N., Wedig, T., Maass, K. K., … Northcott, P. A. (2026). M-PACT leverages cell-free DNA methylomes to achieve robust classification of pediatric brain tumors. Nature Cancer. https://doi.org/10.1038/s43018-026-01115-4

Medical University of Vienna. (2026). Neuer KI-Ansatz ermöglicht Diagnose und Monitoring von Hirntumoren [Press release]. https://www.meduniwien.ac.at/web/en/about-us/news/2026/news-in-february-2026/neuer-ki-ansatz-ermoeglicht-diagnose-und-monitoring-von-hirntumoren/

German Cancer Research Center. (2026). Tracing tumors in cerebrospinal fluid: A new opportunity for precision diagnostics in brain tumors [Press release]. https://www.dkfz.de/en/news/press-releases/detail/tracing-tumors-in-cerebrospinal-fluid-a-new-opportunity-for-precision-diagnostics-in-brain-tumors