Die Früherkennung von Krebserkrankungen ist ein entscheidender Faktor für die Prognose. Blutbasierte Verfahren wie die Analyse zellfreier DNA (cfDNA) ermöglichen eine nicht-invasive Diagnostik und werden zunehmend erforscht. Während etablierte cfDNA-basierte Tests meist auf einzelne Indikationen fokussiert sind und mit hohen Kosten einhergehen, bleibt die Entwicklung breit einsetzbarer und kosteneffizienter Verfahren eine zentrale Herausforderung.
Vor diesem Hintergrund entwickelte und evaluierte ein Studienteam aus den USA einen neuen, als MethylScan bezeichneten Testansatz, der nicht genetische Mutationen, sondern DNA-Methylierungsmuster analysiert. Diese epigenetischen Veränderungen sind gewebespezifisch und können krankheitsassoziierte Prozesse widerspiegeln. Die Ergebnisse wurden in den 'Proceedings of the National Academy of Sciences' veröffentlicht.
Methylierungsbasierter Ansatz reduziert Hintergrundrauschen in der cfDNA-Analyse
Ein wesentliches Problem bisheriger Verfahren ist der hohe Anteil an cfDNA aus gesunden Blutzellen, der als „Hintergrundrauschen“ die Detektion krankheitsrelevanter Signale erschwert. Der entwickelte Test nutzt enzymatische Verfahren, um vorwiegend unmethylierte DNA-Fragmente zu entfernen und so krankheitsassoziierte, hypermethylierte Sequenzen gezielt anzureichern. Dadurch wird der Anteil relevanter Signale erhöht und der erforderliche Sequenzierungsaufwand reduziert.
Breite diagnostische Leistungsfähigkeit bei Tumorerkennung und Leberdiagnostik
Die Leistungsfähigkeit des Verfahrens wurde in einer Kohorte von 1.061 Personen untersucht, darunter Patienten mit verschiedenen Tumorentitäten sowie Lebererkrankungen und gesunde Kontrollen.
Bei der Erkennung von Leber-, Lungen-, Ovarial- und Magenkarzinomen zeigte der Test eine hohe diagnostische Genauigkeit (AUROC 0,938; 95 %-KI: 0,920–0,954). Bei einer Spezifität von 98 % wurden 63,3 % der Krebserkrankungen über alle Stadien hinweg erkannt, im Frühstadium 55,3 %.
Auch in der Überwachung von Hochrisikopatienten für Leberkarzinome wurden gute Ergebnisse erzielt: Die Sensitivität lag bei 79,6 % bei einer Spezifität von 90,4 %.
Darüber hinaus konnte der Test verschiedene Lebererkrankungen mit einer Genauigkeit von etwa 85 % unterscheiden. Auch die Zuordnung der Signale zum Ursprungsgewebe war möglich, was für die weitere diagnostische Abklärung relevant ist.
Maschinelles Lernen unterstützt die Auswertung komplexer Daten
Zur Analyse der umfangreichen Methylierungsdaten wurden Verfahren des maschinellen Lernens eingesetzt. Diese ermöglichen die Integration zahlreicher epigenetischer Marker und tragen zur Klassifikation verschiedener Krankheitsbilder bei.
Perspektiven für eine umfassende Blutdiagnostik
Die Ergebnisse weisen darauf hin, dass ein einzelner Bluttest potenziell mehrere Erkrankungen gleichzeitig erfassen kann. Der Ansatz erweitert damit das Spektrum der Liquid Biopsy über einzelne Indikationen hinaus.
Für die klinische Anwendung sind größere prospektive Studien erforderlich, um die diagnostische Leistungsfähigkeit unter Alltagsbedingungen zu bestätigen. Zudem bleibt die Validierung in unterschiedlichen Populationen notwendig. Insgesamt stellt die vorgestellte Methode jedoch einen weiteren Schritt in Richtung einer umfassenden, nicht-invasiven Diagnostik dar, mit der sich verschiedene Krankheitsprozesse parallel aus einer einzigen Blutprobe untersuchen lassen.
