ERACoSysMed 3 – Verbundprojekt: MIEDGE – Modellierung des Verhaltens von Glioblastomazellen am Tumorrand zur Vorhersage eines Frührezidives – Deutsches Teilprojekt C

Glioblastome (GBM) sind bösartige Hirntumoren mit schlechter Prognose trotz aggressiver Behandlung. Das biologische Verhalten von Zellen am invasiven Rand ist für den klinischen Verlauf von großer Bedeutung. MiEDGE basiert auf vorhandenen mathematischen Modellen der Gliom-Invasion, die das Verhalten von Tumorzellen auf der Grundlage der kritischen Dichte ("Allee-Effekt") und der lokal metabolisch bedingten phänotypischen Plastizität ("go or grow") vorhersagen. Diese werden weiterentwickelt, um den Phänotyp bösartiger Zellen an den Resektionsrändern (diffus invasiv vs. tumorbildend proliferativ) vorherzusagen. Da Tumorzelleh an am Tumorrand mit lokalen Immunzellen interagieren, werden Mikroglia-Aktivierung und tumorassoziierte Makrophagen in die Modelle einbezogen, und wiederholte Zyklen datengetriebener Modellierung werden die funktionelle Rolle dieser Interaktion verdeutlichen. Um die Relevanz der resultierenden Modelle für die medizinische Praxis zu demonstrieren, werden diese auf die klinische Realität medizinischer Entscheidungen übertragen. Insbesondere geht es um die Frage, ob präoperatives Neuroimaging, wenn es in das Modell einbezogen wird, das biologische Verhalten von Zellen an den umorrändern vorhersagen kann, und welche Rolle Bildgebung 3, 6 und 9 Monate nach Primärtherapie spielt. Getestet wird die Aussagekraft des Modells bezueglich diffuser Tumorinvasion, lokalem Rückfall oder reaktiven Veränderungen (Pseudoprogression). Die Erkenntnisse, die durch modellbasierte Integration der transnationalen Expertise in den Bereichen Neuroradiologie, Neuropathologie, auf maschinellem Lernen basierter Bildanalyse und Makrophagenbiologie gewonnen wurden, werden dazu beitragen, das Timing von chirurgischen Eingriffen, Strahlentherapie und Chemotherapie gegenueber der etablierten Krebstherapie zu optimieren, um das Risiko eines frühen Rückfalls zu verringern und die diagnostische Genauigkeit der neuroradiölogischen Befunde an den Resektionsrändern zu verbessern.