AI

GlioTrace nutzt künstliche Intelligenz, um Hirntumorzellen in lebendem Gewebe zu verfolgen

Forschende der Universität Uppsala entwickelten eine Computer-Vision-Methode, um zu kartieren, wie Glioblastomzellen auf lebenden Hirnschnitten ihren Bewegungsstil wechseln

2 Min. LesezeitAI-generated content

TeilenLinkedInFacebookX

GlioTrace nutzt künstliche Intelligenz, um Hirntumorzellen in lebendem Gewebe zu verfolgen
AI-generated cover image

Ein computergestütztes Bildgebungssystem namens GlioTrace kann Tausende wandernde Glioblastomzellen über Tage hinweg auf lebenden Hirnschnitten verfolgen. Entwickelt von Forschenden der Universität Uppsala, kombiniert die Methode automatisierte Mikroskopie mit künstlicher Intelligenz, um sichtbar zu machen, wie einzelne Hirntumorzellen ihre Form verändern und ihre Wanderungswege wechseln.

Automatisierte Mikroskopie zeichnet die Wege lebender Zellen über fünf Tage auf

Glioblastome zählen zu den aggressivsten Formen von Hirntumoren, auch weil Tumorzellen in umliegendes gesundes Gewebe eindringen, jenseits der Grenze der chirurgischen Entfernung. In einem auf die Untersuchung dieser Ausbreitung gerichteten Innovationsansatz verwendeten Forschende der Universität Uppsala Tumorzellen von sechs Patientinnen und Patienten und ließen sie in Mäusegehirnen wachsen. Sie schnitten die Gehirne in dünne Scheiben und hielten diese in Laborkulturen am Leben, so die in Nature Communications veröffentlichten Ergebnisse, über die MedicalXpress berichtete.

Ein automatisiertes Mikroskop fotografierte die lebenden Gewebeschnitte in Abständen von höchstens zwei Stunden über bis zu fünf Tage hinweg. GlioTrace, angetrieben von künstlicher Intelligenz, verfolgte die einzelnen Zellen über ganze Schnitte statt nur über kleine Ausschnitte und zeichnete die Koordinaten jeder wandernden Zelle von Anfang bis Ende auf.

„Was uns am meisten überrascht hat, war, wie flexibel die Tumorzellen sind. Dieselbe Zelle kann innerhalb weniger Tage ändern, wie sie sich bewegt. Um Behandlungen zu entwickeln, die die Ausbreitung von Tumorzellen stoppen, müssen wir diese Fähigkeit verstehen, zwischen verschiedenen Verhaltensweisen zu wechseln.“

— Madeleine Skeppås, Universität Uppsala

Maschinelles Lernen erkennt den Wechsel zwischen Wanderungszuständen

Der rechnerische Kern der Erfindung wurde von der Co-Erstautorin der Studie, Madeleine Skeppås, gemeinsam mit Forschenden der Chalmers University of Technology und der Universität Göteborg entwickelt. Ihre Machine-Learning-Pipeline identifiziert einzelne Zellen, registriert ihre Formen und verfolgt Zustandsübergänge über die Zeit, wie MedicalXpress im Detail berichtet.

Die Bildgebung zeigte, dass sich die Invasionsmuster von Glioblastomen von Tumor zu Tumor unterscheiden. Einige Patientenzellen wanderten entlang von Blutgefäßen, andere breiteten sich diffus durch das Hirnparenchym aus. Zudem erwies sich, dass einzelne Zellen innerhalb weniger Tage zwischen unabhängiger Migration und dem Kriechen an Gefäßen wechseln können. Statistische Modelle zeigten, dass dieser Verhaltenswechsel den Zellen hilft, sich in dichtem Gewebe zurechtzufinden.

Therapietests zeigen hartnäckige schnell wandernde Zellzustände

Das Forschungsteam testete, wie pharmazeutische Wirkstoffe und Standardbehandlungen die Zellbahnen beeinflussen. In den von MedicalXpress berichteten Experimenten verlangsamten zwei Wirkstoffe die Invasion der Tumorzellen in den Hirngewebeschnitten. Die genaue Reaktion unterschied sich jedoch zwischen den Patientenproben und den jeweiligen wandernden Zelltypen.

Unter kombinierter Strahlen- und Chemotherapie wiesen bestimmte Tumormodelle einen erhöhten Anteil schnell wandernder Zellen mit einer charakteristischen Form auf. Diese Zellen besetzten zentrale Knotenpunkte in den Netzwerken der Zustandsübergänge, was darauf hindeutet, dass sie unter konventioneller Therapie fortbestehen könnten. Der Erstautor Hitesh Mangukiya und Professor Sven Nelander merkten an, dass der Analysecode anderen Laboren offensteht, dass jedoch weitere Tests nötig sind, bevor ein Patent angemeldet oder die Software zur Steuerung klinischer Entscheidungen eingesetzt werden kann.

Lesen Sie auch auf The Patent: GAO warnt: Rückstandsziele des USPTO könnten unter Personalmangel scheitern

Automatisch aus dem englischen Original übersetzt. Original lesen