Biomarker-Konstellationen bei MS
Multiple Sklerose – wie NMR und Machine Learning die Diagnostik verbessern können
| Autor / Redakteur: Judith Huss* / Nico Litzel
Patienten mit Multipler Sklerose können jüngsten Forschungsergebnissen zufolge in verschiedenen Phasen der Krankheit über metabolomische Biomarker, gemessen mittels Kernspinresonanzspektroskopie (NMR), unterschieden werden. Diagnostik und Therapie der Erkrankung könnte so deutlich spezifischer werden. In Regensburg wird nun ein IVD-Test entwickelt. Dabei helfen Artificial Intelligence und Machine Learning den Entwicklern, die hohe Komplexität dieser Anforderung zu bewältigen.
Die Nutzung metabolomischer Konstellationen anstelle einzelner Biomarker rückt immer stärker in den Fokus der In-Vitro-Diagnostik, um auch für bisher ungeklärte diagnostische Fragestellungen den behandelnden Ärzten Informationen zur Verfügung zu stellen. Das Regensburger Unternehmen Numares arbeitet dabei mit der physikalischen Messmethode der Kernspinresonanzspektroskopie und nutzt Machine-Learning-Tools (Künstliche Intelligenz) zur Entwicklung innovativer diagnostischer Tests. Ziel ist die Identifizierung von Stoffwechselzusammenhängen, die spezifisch auf eine Erkrankung zurückzuführen sind.
Der erste, auf dieser Technologie basierende Test, den Numares in den Markt eingeführt hat, dient der Früherkennung einer Nierenabstoßung nach Transplantation (renalTX-Score). Aktuell arbeitet das Unternehmen an einer Vielzahl von weiteren Tests. Besondere Bedeutung misst man dabei einem möglichen Einsatz bei neurodegenerativen Erkrankungen bei, deren Diagnostik komplex und aufwendig ist. Ein aktuell von Numares gemeinsam mit der Universität Oxford entwickelter IVD-Test könnte zur verbesserten Diagnostik von verschiedenen Stadien bei Multipler Sklerose erheblich beitragen.
Multiple Sklerose – Krankheit der 1.000 Gesichter
Multiple Sklerose (MS) ist eine chronisch-entzündliche Krankheit des zentralen Nervensystems. Die Ursachen der „Krankheit der 1.000 Gesichter“ sind nicht gänzlich geklärt. Besonders betroffen sind junge Erwachsene, vor allem Frauen zwischen 20 und 40 Jahren. MS-Symptome treten oftmals lange nicht in Erscheinung und auch der Verlauf der Krankheit gestaltet sich höchst unterschiedlich.
Um die Diagnostik zu präzisieren und deutlich früher als bisher die Notwendigkeit einer Therapieumstellung zu identifizieren, arbeiten Numares und die Universität Oxford an einem In-Vitro-Diagnostik (IVD)-Test. Bisher kann der Übergang von schubförmiger, rezidivierend-remittierender MS (RRMS) zu sekundär progredienter MS (SPMS) nur im Nachhinein festgestellt werden. Ein diagnostischer Test, der diese Veränderung anhand von metabolomischen Biomarker-Konstellationen frühzeitig erkennt, würde eine viel frühere Anpassung der Therapie erlauben. Die Zusammenarbeit mit Numares kam zustande, weil Forschungsergebnisse der Universität Oxford zeigten, dass MS-Patienten in verschiedenen Phasen der Krankheit über metabolomische Biomarker, gemessen mittels Kernspinresonanzspektroskopie unterschieden werden können.
Biomarker-Konstellationen – NMR als Methode der Wahl
Werden Biomarker auf herkömmliche Art und Weise identifiziert, untersucht man meist nur wenige potenzielle Kandidaten auf ihre Aussagekraft für die jeweilige diagnostische Fragestellung. In der Regel ist dies zeitintensiv und aufwendig, da die Untersuchungen typischerweise experimentell erfolgen. Um jedoch metabolomische Konstellationen (krankheitsspezifische Stoffwechselzusammenhänge) zu finden, müssen viele Metaboliten gemessen werden. Hier liegt ein wesentlicher Vorteil der NMR, die eine sehr präzise Bestimmung von circa 400 körpereigenen Metaboliten in einer Messung ermöglicht. Mathematisch ergeben sich daraus rund acht Milliarden mögliche Metaboliten-Konstellationen – und übertragen auf den bisherigen Ansatz damit acht Milliarden potenzielle Biomarker.
Mittels Machine Learning Komplexität bewältigen
Hier die richtigen Kandidaten zu identifizieren, ist experimentell nicht mehr möglich; an die Stelle des Experiments treten deshalb Algorithmen der Künstlichen Intelligenz (KI): Der Prototyp – in diesem Fall die Software – lernt, welche der acht Milliarden Metaboliten-Konstellationen sinnvoll sind und bewertet die gefundenen Ergebnisse nach verschiedenen Kriterien. Am Ende dieses Prozesses stehen typischerweise maximal ein Dutzend metabolomische Konstellationen, durch Künstliche Intelligenz algorithmisch aus der enorm großen Grundgesamtheit ausgewählt. Die Auswahl des finalen Kandidaten erfolgt dann ganz klassisch experimentell, womit auch sichergestellt ist, dass alle regulatorischen Anforderungen an ein Medizinprodukt erfüllt werden.
Standardisierung, Automation und Qualifizierung
Um metabolomische Biomarker mittels Kernspinresonanzspektroskopie zu messen, zu unterscheiden und die Ergebnisse für die In-Vitro-Diagnostik einzusetzen, bedurfte es auch einer Weiterentwicklung der Nutzung der NMR-Basistechnologie. Numares hat mit Magnetic Group Signaling (MGS) eine Technologie entwickelt, um NMR für die Beantwortung anspruchsvoller Fragen in der Metabolomik nutzen zu können. MGS umfasst eine Vielzahl technischer Prozesse, durch die eine für die IVD unabdingbare Standardisierung, Automatisierung und Qualifizierung gewährleistet werden. Diese Voraussetzungen ermöglichen die systematische Erhebung und Nutzung diagnostischer Informationen aus dem Stoffwechsel und schaffen damit die Voraussetzung für den Einsatz von KI zur Identifikation von Metaboliten-Konstellationen.
Gemeinsam arbeiten nun die Universität Oxford und Numares daran, das diagnostische Potenzial dieses NMR-Technologie-Ansatzes in einen kommerziell verfügbaren IVD-Test umzusetzen. Nur durch die Sicherung der hohen Informationsqualität, mittels MGS in der NMR, sowie durch den erfolgreichen Einsatz von Künstlicher Intelligenz, können Krankheitsbilder mit Stoffwechselzusammenhängen für diagnostische Zwecke in Verbindung gebracht werden. Die Forschungsergebnisse aus Oxford können somit für die Entwicklung eines IVD-Tests genutzt werden, der Patienten mit fortschreitender MS identifiziert, und bei der Anpassung der Therapie unterstützt.
Dieser Artikel stammt von unserem Partnerportal LABORPRAXIS. Verantwortliche Redakteurin: Dr. Ilka Ottleben
* J. Huss: Ira Wülfing Kommunikation, 80802 München
