SciTechDailyWelt

Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen

Ein KI-gestützter Bluttest, der DNA-Fragmente analysiert, könnte stille Lebererkrankungen lange vor dem Auftreten Johns Hopkins Kimmel Cancer Center haben eine künstlich-intelli

1. Juni 2026RedaktionLive Redaktion
Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen

Kurzfassung

Warum das wichtig ist

SciTechDailyWelt
  • Ein KI-gestützter Bluttest, der DNA-Fragmente analysiert, könnte stille Lebererkrankungen lange vor dem Auftreten Johns Hopkins Kimmel Cancer Center haben eine künstlich-intelli
  • Die Ergebnisse wurden in Science Translational Medicine veröffentlicht und wurden teilweise vom National Institutes of Health unterstützt.
  • Nach Angaben der Forscher handelt es sich hierbei um die erste groß angelegte Anwendung der Fragmentom-Technologie, die ursprünglich in der Krebsforschung untersucht wurde, zur Erkennung chronischer Erkrankungen, die nicht mit Krebs in Verbindung stehen.

Wie DNA-Fragmentmuster Krankheiten aufdecken Liquid Biopsies auf Basis (cfDNA) werden bereits zur Krebsdiagnostik eingesetzt; Forscher haben jedoch erst kürzlich begonnen zu untersuchen, ob dieselbe Technologie auch andere Erkrankungen identifizieren kann.

In der neuen Studie analysierten Wissenschaftler Whole-Genome-Sequenzierungsdaten von 1.576 Personen mit Lebererkrankungen und weiteren gesundheitlichen Zuständen. Sie untersuchten, wie sich DNA-Fragmente in ihrer Größe unterscheiden und wie sie im gesamten Genom verteilt sind.

Die Studie umfasste zudem repetitive DNA-Regionen, die bisher nicht gut charakterisiert waren. Pro Probe bewerteten die Forscher etwa 40 Millionen DNA-Fragmente an Tausenden genomischer Positionen und stellten damit einen der größten Datensätze für einen Liquid-Biopsy-Ansatz zusammen.

Maschinelle Lernwerkzeuge durchsuchten diese riesigen Datensätze,

Maschinelle Lernwerkzeuge durchsuchten diese riesigen Datensätze, um Fragmentierungsmuster zu identifizieren, die mit Krankheiten in Verbindung stehen.

Unter Verwendung dieser Signale entwickelte das Team ein KI-basiertes Klassifizierungssystem, das eine Früherkennung, fortgeschrittener Fibrose und Zirrhose mit hoher Sensitivität ermöglicht. „Dies baut direkt auf unserer früheren Fragmentom-Forschung im Bereich der Krebserkrankungen auf, nutzt nun jedoch künstliche Intelligenz und genomweite Fragmentierungsprofile, um sich auf chronische Erkrankungen zu konzentrieren", erklärt Victor Velculescu, M.D., Ph.D., Co-Leiter des Programms für Krebsgenetik und Epigenetik am Johns Hopkins Kimmel Cancer Center und Co-Seniorenautor der Studie. „Für viele dieser Erkrankungen könnte eine Früherkennung einen entscheidenden Unterschied machen; Leberfibrose und Zirrhose sind wichtige Beispiele hierfür.

Leberfibrose ist in ihren frühen Stadien reversibel, kann jedoch, wenn sie nicht erkannt wird, in Zirrhose fortschreiten und letztlich das Risiko für Leberkrebs erhöhen." Warum der Fragmentom-Ansatz anders ist Die meisten Methoden der flüssigen Biopsie suchen nach Mutationen, die mit Krebs assoziiert sind.

Was die Studie zeigt

Diese Technik untersucht stattdessen das Fragmentom, das abbildet, wie DNA-Fragmente zerlegt, verpackt und im gesamten Genom verteilt werden. Die Forscher geben an, dass diese umfassendere Analyse die Methode auch zur Identifizierung nutzbar machen könnte, einschließlich Zustände, die später das Krebsrisiko erhöhen können.

Die Studie wurde zudem gemeinsam, Ph.D., Professor für Onkologie, und Jill Phallen, Ph.D., Assistenzprofessorin für Onkologie, geleitet. „Dass wir nicht nach einzelnen Mutationen suchen, macht diese Studie so leistungsfähig", sagt Erstautorin Akshaya Annapragada, eine M.D./Ph.D.-Studentin im Labor. „Wir analysieren das gesamte Fragmentom, das eine enorme Menge an Informationen über den physiologischen Zustand einer Person enthält." Die Gre dieser Daten in Kombination mit Machine Learning ermglicht die Entwicklung spezifischer Klassifikatoren fr viele verschiedene Gesundheitszustnde.

Frherkennung knnte Millionen helfen Velculescu schtzt, dass in den Vereinigten Staaten etwa 100 Millionen Menschen Lebererkrankungen haben, die ihr Risiko fr Zirrhose und Leberkrebs erhhen. Bestehende Bluttests zur Fibrose erkennen die Erkrankung hufig nicht frhzeitig, und aktuelle Testverfahren identifizieren Zirrhose nur etwa in der Hlfte der Flle.

Was die Studie zeigt

Bildgebende Verfahren wie spezialisierte Ultraschalluntersuchungen und Magnetresonanztomografien knnen untersttzen, stehen jedoch nicht immer flchendeckend zur Verfgung. Viele Risikopatienten wissen nicht, dass sie eine Lebererkrankung haben", sagt Velculescu. Wenn wir frher eingreifen  bevor die Fibrose in Zirrhose oder Krebs bergeht  knnte die Wirkung erheblich sein." Er betont, dass eine frhere Erkennung auch rzten helfen knnte, zugrundeliegende Erkrankungen zu identifizieren und zu behandeln, bevor sich Krebs entwickelt.

Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen
Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen

Die Studie entwickelte sich aus früheren Krebsforschungen. Das Projekt startete nach einer 2023 in Cancer Discovery veröffentlichten Studie, die sich mit Fragmentomen bei Leberkrebs befasste.

Während der Überprüfung fest, dass einige Personen mit Fibrose oder Zirrhose überwiegend normale Fragmentierungsprofile aufwiesen, dennoch jedoch subtile krankheitsbezogene DNA-Signale zeigten. Diese Erkenntnis veranlasste das Team, zu untersuchen, ob Leberfibrose und Zirrhose unterschiedliche Fragmentom-Muster erzeugen.

Was die Studie zeigt

In einem weiteren Teil der Forschung, der 570 Personen mit Verdacht auf eine schwere Erkrankung umfasste, entwickelten Wissenschaftler einen Fragmentierungs-Komorbiditätsindex.

Dieser Index unterschied Personen mit hohen und niedrigen Scores des Charlson-Komorbiditätsindex, einem etablierten Instrument zur Abschätzung, wie zusätzliche Gesundheitszustände das Sterberisiko beeinflussen.

Die Forscher stellten fest, dass der auf dem Fragmentom basierende Index die Gesamtüberlebenszeit unabhängig vorhersagte und in einigen Fällen traditionelle Entzündungsmarker übertraf.

Was die Studie zeigt

Bestimmte Fragmentierungsmuster waren zudem mit ungünstigeren klinischen Ergebnissen assoziiert. „Das Fragmentom kann als Grundlage für den Aufbau unterschiedlicher Klassifikatoren für verschiedene Erkrankungen dienen, und vor allem sind diese Klassifikatoren erkrankungsspezifisch und zeigen keine Kreuzreaktivität", sagt Annapragada. „Ein Klassifikator für Leberfibrose unterscheidet sich für Krebs.

Dies ist ein einzigartiger, erkrankungsspezifischer Test, der auf derselben zugrundeliegenden Plattform basiert." Potenzial jenseits der Lebererkrankungen Die Forscher identifizierten zudem Fragmentom-Signale, die mit kardiovaskulären, entzündlichen und neurodegenerativen Erkrankungen bei Personen in Verbindung stehen, die für diese Erkrankungen als hochriskant gelten.

Die Studie umfasste jedoch nicht genügend Patienten, um für jede Erkrankung separate Klassifikatoren zu erstellen. Das Team betont, dass diese Ergebnisse darauf hindeuten, dass die Technologie langfristig ein viel breiteres Anwendungsspektrum finden könnte, das in zukünftigen Forschungsprojekten untersucht werden soll.

Was die Studie zeigt

Der in der Studie beschriebene Leberfibrose-Assay befindet sich noch im Prototypstadium und steht klinisch noch nicht zur Verfügung.

Forscher geben an, dass die nächste Arbeitsphase sich auf die Validierung und Verbesserung des Klassifizierungssystems für Lebererkrankungen sowie auf die Untersuchung, die mit anderen chronischen Erkrankungen in Verbindung stehen. Quelle: „Cell-free DNA fragmentomes for noninvasive detection of liver cirrhosis and other diseases", Zachariah H.

Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen
Neue KI-Blutanalyse erkennt stille Lebererkrankung vor Symptomen

Foda, Hope Orjuela, Carter Norton, Shashikant Koul, Noushin Niknafs, Sarah Short, Keerti Boyapati, Adrianna Bartolomucci, Dimitrios Mathios, Michael Noël, Chris Cherry, Jacob Carey, Alessandro Leal, Bryan Chesnick, Nicholas C. Dracopoli, Jamie E. Medina, Nicholas A. Vulpescu, Daniel C. Bruhm, Sarah Bacus, Vilmos Adleff, Amy K. Kim, Stephen B.

Technik und Auswirkungen

Baylin, Gregory D. Kirk, Andrei Sorop, Razvan Iacob, Speranta Iacob, Liana Gheorghe, Simona Dima, Manuel Ramírez-Zea, Katherine A. McGlynn, Claus L. Feltoft, Julia S. Johansen, John Groopman, Jillian Phallen, Robert B. Scharpf und Victor E. Velculescu, 4. März 2026, Science Translational Medicine.

DOI: 10.1126/scitranslmed.adw2603 Neben Velculescu, Annapragada, Scharpf und Phallen nahmen an der Studie auch Zachariah Foda, Hope Orjuela, Carter Norton, Shashikant Koul, Noushin Niknafs, Sarah Short, Keerti Boyapati, Adrianna Bartolomucci, Dimitrios Mathios, Michael Noe, Chris Cherry, Jacob Carey, Alessandro Leal, Bryan Chesnick, Nic Dracopoli, Jamie Medina, Nicholas Vulpescu, Daniel Bruhm, Sarah Bacus, Vilmos Adleff, Amy Kim, Stephen Baylin, Gregory Kirk, Andrei Sorop, Razvan Iacob, Speranta Iacob, Liana Gheorghe, Simona Dima, Katherine McGlynn, Manuel Ramirez-Zea, Claus Feltoft, Julia Johansen und John Groopman teil.

Die Finanzierung wurde teilweise durch das Dr. Miriam and Sheldon G.

Technik und Auswirkungen

Die Adelson Medical Research Foundation, der SU2C in-Time Lung Cancer Interception Dream Team Grant, der Stand Up to Cancer-Dutch Cancer Society International Translational Cancer Research Dream Team Grant, die Gray Foundation, die The Honorable Tina Brozman Foundation, die Commonwealth Foundation, die Mark Foundation for Cancer Research, die Danaher Foundation und der ARCS Metro Washington Chapter, die Familie Rahmen des AACR Scholar in Training Award, die Cole Foundation sowie die National Institutes of Health Grants CA121113, CA006973, CA233259, CA062924, CA271896, T32GM136577, T32GM148383 und DA036297 unterstützten die Forschung.

Die Forscher gaben mehrere Interessenkonflikte an, die mit Unternehmen und Patenten im Zusammenhang mit der Analyse zur Krankheitsdiagnostik verbunden sind. Annapragada, Scharpf, Phallen und Foda sind Mitgründer, Foda, Bruhm, Medina, Adleff, Mathios, Phallen und Scharpf sind Erfinder in Patentanmeldungen, die im Bereich der Analyse.

Annaprada, Foda, Bruhm, Adleff, Phallen und Scharpf sind Erfinder in Patentanmeldungen der Johns Hopkins University im Zusammenhang mit cfDNA und der Erkennung, die an Delfi Diagnostics und Artemyx lizenziert wurden. Cherry ist Gründer und Inhaber, Adleff und Scharpf sind Gründer; Adleff und Scharpf fungieren zudem als Berater für diese Organisation.

Technik und Auswirkungen

Velculescu ist Gründer, sitzt im Aufsichtsrat beider Organisationen, ist bei Artemyx als Vorstandsmitglied tätig und hält Aktien, die unter bestimmte Einschränkungen gemäß der Universitätspolitik stehen. Darüber hinaus hält die Johns Hopkins University Anteile an Delfi Diagnostics.

Im Februar 2022 hat Velculescu seine Anteile an Personal Genome Diagnostics an LabCorp veräußert.

Velculescu ist Erfinder in Patentanmeldungen der Johns Hopkins University im Bereich der Krebsgenomik und der Analyse, die an eine oder mehrere Parteien lizenziert wurden, darunter Delfi Diagnostics, Artemyx, LabCorp, Qiagen, Sysmex, Agios, Genzyme, Esoterix, Ventana und ManaT Bio.

Gemäß den Bedingungen dieser Lizenzvereinbarungen sind die Universität und die Erfinder berechtigt, Gebühren und Lizenzbeteiligungen zu erhalten. Velculescu ist Berater bei Viron Therapeutics und Epitope. Diese Vereinbarungen wurden gemäß ihren Richtlinien zur Vermeidung üft und genehmigt.

Quelllink

Originalquelle: SciTechDaily

Originalartikel oeffnen

Quellenprofil

Quelle und redaktionelle Angaben

Quelle
SciTechDaily
Originaltitel
New AI Blood Test Detects Silent Liver Disease Before Symptoms Appear
Canonical
https://scitechdaily.com/new-ai-blood-test-detects-silent-liver-disease-before-symptoms-appear/
Quell-URL
https://scitechdaily.com/new-ai-blood-test-detects-silent-liver-disease-before-symptoms-appear/

Aehnliche Inhalte

Verwandte Themen und interne Verlinkung

Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.