Differenzierte Bildgebung für bessere Diagnosen bei Brustkrebs

Diese Vielfalt erschwert es den Schweregrad und die molekularen Tumorsubtypen für eine präzise Diagnose und Prognose der Krankheitsentwicklung zu klassifizieren sowie den effektivsten Behandlungsansatz zu wählen. Ein detaillierterer Einblick in das Brustkrebsgewebe erhöht die Chance auf erfolgreiche Behandlung und vermindert das Rückfallrisiko.

Die Forschungsgruppe um Bernd Bodenmiller, UZH-Professor für Quantitative Biologie, konnte nun mit bildgebender Massenzytometrie die gegenwärtige pathologische Klassifikation verfeinern. Das maßgeblich an der Universität Zürich entwickelte Verfahren erzeugt hochaufgelöste digitale Bilder von Gewebeschnitten und ermöglicht es, die überlagerten Informationen von zahlreichen Biomarkern gleichzeitig zu visualisieren und zu analysieren. In der Studie wurden bei rund 350 Brustkrebspatientinnen jeweils 35 Proteine als Biomarker markiert. "So erhielten wir eine hochdimensionale Darstellung der zellulären Landschaft des Tumors und des umliegenden Gewebes", erläutert Jana Fischer, Ko-Erstautorin der Studie.

Das Forschungsteam analysierte auf diese Weise hunderte Gewebeschnitte von Brustkrebspatientinnen und charakterisierte sowohl die Zusammensetzung der vielfältigen Zelltypen als auch deren räumliche Anordnung in multi-zelluläre Gemeinschaften rund um den Tumor. "Aufgrund dieser Daten konnten wir zeigen, dass sich die bestehende Klassifizierung von Brustkrebspatientinnen stark verfeinern lässt. In der Klinik gibt es bislang vier Brustkrebskategorien; wir konnten diese in zahlreiche detailliertere Untergruppen mit unterschiedlichen Risiken unterteilen", erläutert Ko-Erstautor Hartland Jackson.

Dieser Befund hat Potenzial, den Weg in die Klinik zu finden. Die neuen Gruppierungen von Brustkrebspatientinnen haben unterschiedliche molekulare Profile. Das Forschungsteam um Bernd Bodenmiller arbeitet nun daran herauszufinden, welche Medikamente Tumorzellen mit einem spezifischen Profil am besten bekämpfen. "Indem wir zelluläre Merkmale und Gruppierungen besser beschreiben und die Patientinnen in genauere Untergruppen mit entsprechenden Risiken einteilen können, eröffnet wir neue Möglichkeiten für eine Präzisionsmedizin", so Bodenmiller.

MEDICA.de; Quelle: Universität Zürich