KI-gestützte Subtypenanalyse der Darmmikrobiota verbessert Darmkrebsdiagnostik

Ein Forschungsteam der Universität Genf entwickelte mithilfe künstlicher Intelligenz einen umfassenden Katalog bakterieller Subtypen der Darmmikrobiota, der eine präzisere Erkennung von Kolorektalkarzinomen anhand von Stuhlproben ermöglicht.

Diagnose

Das Kolorektalkarzinom (KRK) ist weltweit die zweithäufigste krebsbedingte Todesursache. Früh erkannt, bestehen gute Heilungschancen. Häufig erfolgt die Diagnose jedoch erst in fortgeschrittenen Stadien. Das Standarddiagnostikum bleibt die Koloskopie, die jedoch durch Kosten, Invasivität und Patientenzurückhaltung limitiert ist. Dies unterstreicht den Bedarf an validierten, nicht-invasiven Screeningmethoden.

Präzise Erfassung der Darmmikrobiota ermöglicht nicht-invasives Screening

Mithilfe von Algorithmen des maschinellen Lernens erstellte ein Team der Universität Genf den ersten umfassenden Katalog menschlicher Darmmikrobiota-Subspezien und beschrieb deren funktionelle Relevanz. Dieses Inventar wurde anschließend genutzt, um das Vorliegen eines Kolorektalkarzinoms anhand von Stuhlproben nachzuweisen. Die Ergebnisse wurden in 'Cell Host & Microbe' veröffentlicht.

Funktionelle Unterschiede werden erst auf Subspezienebene sichtbar

Seit Langem ist bekannt, dass die Darmmikrobiota an der Entstehung kolorektaler Karzinome beteiligt sein kann. Eine klinische Nutzung erwies sich jedoch häufig als schwierig, da unterschiedliche Stämme derselben Art gegensätzliche Effekte zeigen können. Die Analyse auf Subspezienebene adressiert dieses Problem, da sie funktionelle Unterschiede erfasst und zugleich ausreichend generalisierbar über verschiedene Populationen bleibt.

Um diese Ebene nutzbar zu machen, führten die Forscher den Begriff der operational subspecies units (OSUs) ein. Diese Einheiten fassen Genomcluster innerhalb einer Bakterienart zusammen und ermöglichen eine standardisierte Abgrenzung von Subspezien.

KI-Modell übertrifft Erkennungsrate bisheriger nicht-invasiver Tests

In einer Metaanalyse identifizierte das Team 204 mit Kolorektalkarzinomen assoziierte OSUs. In 95 Fällen (46,5 %) war mindestens eine Subspezie mit der Erkrankung verknüpft, während eine Geschwister-Subspezie derselben Art keine Assoziation zeigte. Zudem wurden 26 Assoziationen nachgewiesen, die auf Artniveau nicht erkennbar waren.

Auf Grundlage des Subspezien-Katalogs entwickelten die Forscher ein KI-gestütztes Modell, das das Vorliegen eines Kolorektalkarzinoms allein anhand von Stuhlproben vorhersagt. In der Validierung erkannte dieses Verfahren 90 % der Krebsfälle – ein Ergebnis, das der Koloskopie mit 94 % nahezu entspricht und alle bisherigen nicht-invasiven Methoden übertrifft.

Mit der Einbindung weiterer klinischer Daten könnte die Genauigkeit noch steigen. Langfristig ließe sich das Verfahren zu einem routinemäßigen Screening-Tool entwickeln, bei dem die Koloskopie nur noch zur Bestätigung bei ausgewählten Patienten notwendig wäre, heißt es in einer Pressemitteilung der Universität Genf.

Von der Forschung in die Praxis: Methode erreicht die klinische Prüfung

Ein erster klinischer Versuch wird derzeit in Zusammenarbeit mit den Universitätskliniken Genf (HUG) vorbereitet, um präziser zu bestimmen, welche Tumorstadien und Läsionen mit der Methode erfasst werden können. Die Einsatzmöglichkeiten beschränken sich jedoch nicht auf das Kolorektalkarzinom. Durch die Analyse von Unterschieden zwischen Subspezien derselben Bakterienart lassen sich die Mechanismen aufklären, über die die Darmmikrobiota die menschliche Gesundheit beeinflusst. Auf dieser Grundlage eröffnet sich die Perspektive, künftig nicht-invasive Diagnoseverfahren für eine Vielzahl von Erkrankungen entwickeln zu können – basierend auf einer einzigen Mikrobiota-Analyse.

Autor:
Stand:
27.10.2025
Quelle:
  1. Tričković, M. et al. (2025): Subspecies of the human gut microbiota carry implicit information for in-depth microbiome research. Cell Host & Microbe, DOI: 10.1016/j.chom.2025.07.015.
  2. Universität Genf, Pressemitteilung, 25. August 2025.
  • Teilen
  • Teilen
  • Teilen
  • Drucken
  • Senden
Orphan Disease Finder
Orphan Disease Finder

Hier können Sie seltene Erkrankungen nach Symptomen suchen: