Künstliche Intelligenz bei eNdometriose-bedingtem Eierstockkrebs und Präzisionschirurgie bei eNdometriose-bedingtem Eierstockkrebs (ATENA)

Endometriose (EMS) ist eine chronische, behindernde, entzündliche gynäkologische Erkrankung, von der 10–15 % der Frauen im gebärfähigen Alter betroffen sind. EMS ist durch Läsionen endometriumähnlichen Gewebes außerhalb der Gebärmutter gekennzeichnet, die das Beckenperitoneum und die Eierstöcke betreffen. Darüber hinaus werden manchmal entfernte Herde beobachtet. Leider ist die Ätiologie des EMS wenig bekannt. Obwohl nicht bösartig, hat EMS ähnliche Merkmale wie Krebs, wie z. B. die Entwicklung lokaler und entfernter Herde, die Resistenz gegen Apoptose und die Invasion anderer Gewebe mit anschließender Schädigung der Zielorgane. Darüber hinaus zeigten Patienten mit EMS (insbesondere Ovarial-EMS) ein hohes Risiko (etwa 3 bis 10 Mal), an epithelialem Ovarialkarzinom (EOC) zu erkranken. Epidemiologische, morphologische und molekulare Studien berichteten über Endometriome als Vorläufer des EOC, einschließlich des klarzelligen (CCC) Endometrioidkarzinoms, die beide als „EMS-bedingtes Ovarialkarzinom (EROC)“ bezeichnet werden. Bis heute ist unklar, warum gutartiges EMS eine bösartige Transformation verursacht. Dieser mehrstufige Prozess bietet im Gegensatz zu hochgradigen serösen Karzinomen die Möglichkeit, die Vorstufen des Karzinoms zu identifizieren und so eine frühzeitige Diagnose bereits im Frühstadium der Erkrankung zu ermöglichen.

EOC ist der tödlichste gynäkologische Krebs bei Frauen mit einer 5-Jahres-Gesamtüberlebenszeit (OS) von 25 %, da es an wirksamen Screening-Instrumenten mangelt, und breitet sich schnell über die gesamte Peritonealoberfläche aus (Karzinose), sodass alle Bauchorgane betroffen sind. Die Diagnose und klinische Einstufung von EOC erfolgt derzeit durch qualitative Bildauswertung, obwohl die Sensitivität/Spezifität nicht optimal ist. Bisher korrelieren Diagnose-, Stadieneinteilungs- und Prognosefaktoren stark mit der subjektiven Beurteilungsausbildung und der Erfahrung des Klinikers.

Eine auf Next Generation Sequencing (NGS) basierende Genomanalyse hat das Vorhandensein krebsassoziierter Genmutationen bei EMS ergeben. Darüber hinaus sind am chronischen Entzündungsprozess von EMS viele Faktoren beteiligt, wie Hormone, Zytokine, Glykoproteine ​​und angiogene Faktoren, von denen erwartet wird, dass sie zu frühen EMS-Biomarkern werden.

Ein vielversprechender neuer Zweig der Krebsforschung ist der Einsatz künstlicher Intelligenz (KI) zur Erkennung neuer Bildmuster und -texturen und/oder zur Erkennung neuartiger Biomarker, um die Früherkennung von EROC-Patienten zu verbessern. KI wurde noch nie für EROC eingesetzt und wir wollen untersuchen, ob diese Methoden/Techniken die aktuelle Diagnostik und Risikobewertung unterstützen und sogar verbessern können. Mithilfe von KI wird ein neues 3D-Risikobewertungsmodell basierend auf Bildern und interessierendem Volumen erstellt