Tumortherapie Computermodell ermittelt individuelles Rückfallrisiko bei Gehirntumoren

Anbieter zum Thema

FAULHABER Antriebssysteme

COSMO CONSULT Gruppe

Patienten mit einem Glioblastom haben oftmals eine sehr geringe Lebenserwartung. Nicht selten kehrt der Tumor kurz nach der Operation zurück. Ein internationales Forschungsteam will die Nachsorge optimieren und fokussiert dabei insbesondere den Tumorrand.

In Deutschland erkranken jährlich etwa 4.800 Menschen an Glioblastomen. Diese zählen damit zu den häufigsten, bösartigen Gehirntumoren. Die Herausforderung für die Ärzteschaft liegt allerdings oft darin, dass der Tumor zunächst unbemerkt wachsen kann, bevor Symptome wie Sehstörungen oder epileptische Anfälle auftreten. Zu diesem Zeitpunkt kann das Glioblastom bereits eine beträchtliche Größe erreicht haben und dementsprechend schwer heilbar sein.

Die gängige Behandlungsmethode beinhaltet zunächst die operative Entfernung des Tumors, gefolgt von Strahlen- und Chemotherapien. Trotz dieser intensiven Erstbehandlung beträgt die Lebenserwartung vieler Patienten weniger als zwei Jahre. Bei vielen kehrt der Tumor sogar innerhalb des ersten Jahres nach der Operation zurück. Mit dem Ziel, schneller gegenzusteuern, entwickelt das internationale Forschungsteam ein Computermodell, das das individuelle Rückfallrisiko jedes einzelnen Patienten vorhersagen soll. Das Projekt erhält Unterstützung durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der europäischen Fördermaßnahme ERACoSysMed.

Bisherige Probleme bei der Behandlung

Eine der Hauptursachen für die Schwierigkeiten in der Behandlung von Glioblastomen liegt darin, dass Chemotherapeutika und Strahlentherapie nicht gleichermaßen auf alle Zellen des Tumors wirken. Diese Zellen sind äußerst variabel und zeigen eine hohe Widerstandsfähigkeit. Infolgedessen werden nicht alle Tumorareale durch die Behandlung erreicht. Zudem können sich einzelne Zellen im Randbereich der Tumore in umliegendes gesundes Gewebe ausbreiten, was die vollständige Entfernung während einer Operation erschwert, insbesondere wenn der Tumor in vitalen Hirnregionen liegt.

Dr. Peter Raab, Projektkoordinator an der Medizinischen Hochschule Hannover, betont, dass die Untersuchung des Verhaltens der Glioblastom-Zellen am Tumorrand entscheidend für den Krankheitsverlauf ist. Eine präzise Prognose in diesem Bereich könnte die Nachsorge optimieren und die Therapieplanung verbessern.

Wenn der Computer bei der Diagnose hilft

Die Forscher analysierten und werteten unterschiedliche Patientendaten mithilfe modernster computerbasierter Methoden aus. U. a. wurden Daten aus Bildgebungsverfahren des Tumors sowie histologische Untersuchungen des Gewebes vom Tumorrand verwendet, um ein Computermodell zu entwickeln und zu trainieren. Die interdisziplinäre Zusammenarbeit der biomedizinischen Fachdisziplinen sowie der Experten aus Mathematik und Bioinformatik war dabei entscheidend.

Das entstehende Modell soll individuelle Risikoeinschätzungen für den weiteren Verlauf der Krankheit liefern. Es könnte den Zeitpunkt für Nachsorgeuntersuchungen, weitere Operationen sowie den Einsatz von Strahlen- und Chemotherapien optimieren. Zukünftig könnte dieses Analysetool in medizinischen Zentren in Hannover und Luxemburg eingesetzt werden und möglicherweise in einigen Jahren in der klinischen Praxis weit verbreitet sein. Die Forscher streben an, das Modell kontinuierlich zu verbessern, basierend auf zusätzlichen Datensätzen.

Neben der Entwicklung des Vorhersagemodells untersuchte das Forschungsteam im Rahmen des Projekts auch die Interaktion der Tumorzellen mit den Abwehrzellen im Gehirn. Professor Dr. Friedrich Feuerhake vom Institut für Neuropathologie an der Medizinischen Hochschule Hannover erklärt, dass Hinweise darauf gefunden wurden, dass bestimmte Immunzellen des Gehirns das Tumorwachstum unterstützen könnten. Dies könnte neue Ansätze für die Behandlung von Glioblastomen eröffnen, beispielsweise durch den gezielten Einsatz von Medikamenten, um das Immunsystem zu beeinflussen und so das Tumorwachstum zu bremsen.

Dieser Artikel ist zuerst erschienen auf unserem Schwesterportal www.healthcare-digital.de.

(ID:49886160)