TP 4

Combining MRI, SNPs, FISH and GEP/RNAseq in improving risk prediction and treatment decision making

Das Multiple Myeloma ist eine sehr heterogene Krankheit mit komplexem Behandlungsschema. Deshalb ist die Entwicklung von Methoden zur Schätzung der Überlebenszeit, des Therapieansprechens und des Auftretens von Nebenwirkungen für den einzelnen Patienten erstrebenswert, um letztlich die Therapie entsprechend individuell anpassen zu können. Das derzeit übliche Vorgehen verwendet zur Einteilung der Patienten in Risikogruppen verschiedene Datenquellen, wie z.B. personenspezifische Charakteristika, Laborparameter, zytogenetische Veränderungen, Bildgebungsbefunde und Genexpressionsmarker. Aber gerade weil das Multiple Myelom eine komplexe Krankheit darstellt, ist es schwierig nur mit Hilfe der einzelnen, separat betrachteten Informationen den Krankheitsverlauf vorher zu sagen.
Das Hauptziel dieses Teilprojektes ist die Vereinigung aller verfügbaren relevanten Datenquellen zur verbesserten Charakterisierung der einzelnen Patienten und zur Abschätzung ihrer individuellen Prognose und Therapietoleranz. Dazu werden im ersten Schritt alle bereits bekannten Risikofaktoren in einem gemeinsamen Vorhersagemodell betrachtet. Anschließend wird anhand der verfügbaren Datensätze und unter Berücksichtigung der biologischen und statistischen Zusammenhänge zwischen den Datenquellen eine integrierte Datenanalyse durchgeführt. Dazu werden speziell für die Auswertung von Hochdurchsatzdaten entwickelte Methoden wie regularisierte Regressionsmodelle für Überlebenszeitdaten verwendet. Besonders komplex sind hierbei Ansätze zur Integration mehrerer Hochdurchsatz-Datenquellen, wobei die Integration im Modell hierarchisch oder simultan geschehen kann. Weiterhin wird nach therapiespezifischen Faktoren zu Nebenwirkungen und Behandlungserfolg gesucht, was nur möglich ist, weil die Mehrzahl der Patienten im Rahmen großer randomisierter klinischer Studien behandelt wurde.
Bei der zunehmenden Informationsfülle ist neben einer adäquaten Auswertung auch die Darstellung der relevanten Ergebnisse in einem verständlichen Bericht für die Mediziner wichtig, um die klinische Entscheidungsfindung zu unterstützen. Hierfür wird ein Auswerteprotokoll aufgesetzt, das in automatisierter Form statistische Analyse und Textverarbeitung verbindet, und alle Informationen und Ergebnisse in einem individuellen CLIOMMICS-Patientenbericht zusammenstellt.


Keywords: multiple myeloma, prediction of course of disease, integrative analysis