Eine der wesentlichen Herausforderungen in der heutigen klinischen Onkologie ist es, die sogenannte minimale Resterkrankung (minimal residual disease, MRD) richtig einzuschätzen. Die MRD tritt besonders häufig nach Entfernung eines hochinvasiven primären Tumors wie z.B. eines Melanoms auf und wird von kleinsten Tumorzellansammlungen (Mikrometastasen) verursacht, die im Patienten verblieben sind. Die Entdeckung dieser Überreste ist mit der aktuellen Diagnostik kaum möglich, da sie aufgrund ihrer geringen Größe zu keiner Erhöhung typischer Tumormarker führen. Mikrometastasen können jahrelang unentdeckt bleiben.In Vorstudien konnte gezeigt werden, dass Melanompatienten, die anhand klinischer Parameter nach der Entfernung des Primärtumors ein hohes Rückfallrisiko zugeordnet bekommen haben, hohe Konzentrationen extrazellulärer Vesikel im Blutplasma (pEV) aufweisen. Diese Vesikel sind sehr kleine membranumschlossene Tröpfchen, die von Zellen ins umliegende Gewebe abgegeben werden und mit Proteinen sowie verschiedenen Typen von RNA-Molekülen gefüllt sind. Die bisherigen Ergebnisse des MelEvir-Teams deuten darauf hin, dass Immunzellen als frühe Abwehrreaktion gegen zirkulierende Tumorzellen massiv pEV produzieren. Dies legt den Schluss nahe, dass die Charakterisierung und Quantifizierung des Inhalts dieser pEV zur Diagnose von MRD und zur Vorhersage der individuellen Rezidivwahrscheinlichkeit herangezogen werden können.
Um diese Hypothese zu überprüfen, wird eine diagnostische Software entwickelt, getestet und für den klinischen Alltag vorbereitet, welche Rückfälle anhand des pEV-Inhalts vorhersagt. Durch die Integration von klinischen Daten und Laborversuchen mit der Hochdurchsatzdatenanalyse und mathematischer Modellierung sollen microRNAs, lncRNAs und Proteine identifiziert werden, die in Patientenblutproben gemessen werden können, um a) die Aktivierung des Immunsystems gegen die MRD und b) die Wahrscheinlichkeit eines bevorstehenden Tumorrezidivs zu bestimmen.
In Zusammenarbeit mit dem Medizinischen Zentrum für Informations- und Kommunikationstechnik (Medizinisches IK-Zentrum, MIK) des Universitätsklinikums Erlangen analysiert der Lehrstuhl für Medizinische Informatik das Zusammenspiel der Forschungsprozesse und der in diesem Kontext relevanten klinischen Prozesse, sowie die bereits in der Patientenversorgung erhobenen klinischen Daten. Es wird eine Plattform etabliert, in der diese klinischen Daten aus der elektronischen Krankenakte mit den Ergebnissen der Hochdurchsatzanalysen (microRNAs, lncRNAs, etc.) für weitergehende Analysen zusammengeführt werden. Das daraus abgeleitete mathematische Vorhersagemodell wird anschließend in Form wissensverarbeitender Funktionen zur klinischen Entscheidungsunterstützung in die Erlanger Elektronische Krankenakte integriert.