Neue Wege in der Entwicklung personalisierter Therapien basieren auf tiefen Einblicken in die menschliche Physiologie. Sie entstehen aus der Kombination von modernsten Techniken und (molekular-) biologischen Daten aus verschiedensten Quellen. Beispielhaft sind dies künstliche Intelligenz (KI) und Big Data, schnelle Grafikprozessoren (GPU-Techniken) und Biobanken wie die UK Biobank oder das DZHK-TORCH-Register.
Eine wichtige Rolle dabei spielen Fortschritte in der Integration und Analyse verschiedener biologischer Daten (Multi-Omics), die es ermöglichen, Krankheitsmechanismen umfassend zu untersuchen [1, 2]. Dazu gehören insbesondere Radiomics, d. h. die Analyse medizinischer Bilder, um detaillierte Daten für die Vorhersage von Krankheitsverlauf und Therapieerfolg zu extrahieren und Genomics, bzw. die Erforschung der Gesamtheit der Gene eines Organismus und ihrer Wechselwirkungen. Die Omic-Analysen dieser molekularbiologischen Merkmale fördern unser Verständnis von Herzkrankheiten, wie die Studie von Nauffal et al. in Nature Genetics 2023 zeigt [3]. Die Forschenden konnten durch automatisierte Analysen 11 entscheidende genetische Loci für die Entwicklung kardialer Fibrose identifizieren und so neue Ansätze für maßgeschneiderte Therapien eröffnen.
Am Beispiel einer Deutsch-Amerikanischen Forschungskollaboration (Informatics for Life, Heidelberg/Stanford University) konnten neue pathophysiologische Zusammenhänge bei Klappenvitien aufgeklärt werden. Das von der Deutschen Forschungsgemeinschaft (DFG) unterstützte Projekt ermöglichte die Erstellung von KI-Systemen zur automatischen Analyse von . 50.000 Personen und ihren MRT-Daten [4]. Dies gestattete eine umfangreiche epidemiologischeUntersuchung zur Aortenklappeninsuffizienz, die tiefgreifende genetische Einsichten lieferte.
Für das Projekt wurden die Daten der UK Biobank herangezogen, die genetische Informationen von 500.000 Individuen sowie Daten zur Metabolomik, Proteomik und Herz-MRT-Sequenzen für etwa 50.000 Individuen beinhaltet. Mittels der Softwareumgebung U-Net, einem fortschrittlichen Algorithmus zur Bildsegmentierung, konnten die Autorinnen und Autoren einen signifikanten methodologischen Fortschritt für eine effiziente und zielführende Datenextraktion im Bereich der Aorta erzielen. Die computergestützte Analyse kombinierte die generierten Vorhersagemasken mit den VENC-Bildern, bei denen die Pixelintensität direkt proportional zur Flussgeschwindigkeit ist, und ermöglichte so die Extraktion von flussbasierten Parametern. Anschließend wurde der vollständige, mit genetischen Daten ergänzte Datensatz der UK Biobank, der mehrere Millionen genetische Varianten enthält, mit der KI DeepFlow analysiert.
Im Rahmen unserer Studie konnten wir so mittels genomweiter Assoziationsstudien (GWAS) signifikante genetische Loci identifizieren, die mit den dynamischen Flussvolumina des Herzens assoziiert sind. Besondere Aufmerksamkeit erregten die Gene ELN, PRDM6 und FBN1, für die bereits Verbindungen zu Aortenerkrankungen bekannt sind. Nach unseren Analysen sind diese Verbindungen wahrscheinlich kausaler Natur.
Schließlich haben wir ebenfalls mithilfe der Mendelschen Randomisierung untersucht, inwieweit die Größe der Aortenwurzel ursächlich mit der Aortenklappeninsuffizienz zusammenhängt. Die Ergebnisse zeigten einen kausalen Zusammenhang. Die genetischen Netzwerke, die mit der Aortenwurzelgröße assoziiert sind, wiesen eine lineare Beziehung zur resultierenden Aorteninsuffizienz auf. Zukünftige Therapien könnten auf genetische Varianten abzielen, die die Größe der Aortenwurzel modulieren, und so die Aortenklappenregurgitation beeinflussen.
Das entwickelte Konzept ermöglicht es, mittels KI-Systemen große medizinische Datensätze zu sichten und nutzbar zu machen. Solche „Virtuellen Kohorten“ liefern damit einen einzigartigen Beitrag zur genetischen Forschung und haben das Potenzial die Therapieentwicklung maßgeblich zu beschleunigen. Das Wissen aus der oben dargelegten Arbeit kann zukünftig dazu beitragen, Patienten mit milden Ausprägungen einer Aortenklappenerkrankung besser zu stratifizieren und zielgerichtet zu behandeln.