Das ADAPT-Programm zielt darauf ab, Krebs zu überlisten, indem es Tumore während ihrer Entwicklung verfolgt
Die ADAPT-Initiative der ARPA-H nutzt multimodale Echtzeitdaten und KI, um aufkommende Arzneimittelresistenzen zu erkennen und die Krebstherapie dynamisch anzupassen.
Zusammenfassung
ADAPT ist eine landesweite ARPA-H-Initiative, die darauf abzielt, die Krebsbehandlung durch Echtzeit-Verfolgung der Tumorevolution zu transformieren. Anstatt sich auf statische Biomarker zu stützen, integriert ADAPT Liquid Biopsies, Genomik, Bildgebung und klinische Daten in KI-gestützte Vorhersagemodelle, die Arzneimittelresistenzen prognostizieren, bevor sie klinisch erkennbar werden. Eine innovative evolutionäre Plattform für klinische Studien – in die Patientinnen und Patienten mit metastasierendem Brust-, Kolorektal- und Lungenkrebs eingeschlossen werden – testet Therapiesequenzen innerhalb eines einzigen adaptiven Protokolls und passt die Behandlung an, sobald neue Resistenzeigenschaften auftreten. Eine zentrale Datenplattform (TAP), die auf DNAnexus und XNAT basiert, ermöglicht den sicheren und schnellen Austausch multimodaler Daten zwischen Institutionen. Ziel ist es, das Fortschreiten der Erkrankung zu verzögern oder zu verhindern, indem die Onkologie echtzeitnah auf die sich verändernde Biologie jedes Tumors reagiert.
Detaillierte Zusammenfassung
Das definierende Merkmal von Krebs ist seine Fähigkeit, sich unter therapeutischem Druck weiterzuentwickeln und Resistenzmechanismen zu erwerben, die einst wirksame Behandlungen wirkungslos machen. Die aktuelle onkologische Praxis stützt sich stark auf statische Biomarker – einzelne Genmutationen oder Ausgangspathologien –, die nur einen Ausschnitt dieser Komplexität erfassen. Das ADAPT-Programm (Advanced Analysis for Precision Cancer Therapy) der ARPA-H wurde konzipiert, um diese Lücke zu schließen, indem ein lebendes, lernendes System aufgebaut wird, das Tumoren longitudinal verfolgt und die Behandlung nahezu in Echtzeit anpasst.
Das Programm ruht auf drei Säulen. Erstens entwickeln Biomarker-Teams dynamische, interpretierbare, multimodale Vorhersagemodelle. Diese integrieren genomische Sequenzierung, Transkriptomik, Protein-Pathway-Daten, Histopathologie, radiologische Bildgebung und zirkulierende Tumor-DNA (ctDNA) in patientenspezifische „Embeddings" – vereinheitlichte niedrigdimensionale Darstellungen, die nachgelagerte Behandlungsvorhersagen ermöglichen. Zu den Methoden gehören SHAP-basierte Merkmalszuordnung, logikbasierte Modelle, sichtbare neuronale Netze, die an bekannten molekularen Signalwegen ausgerichtet sind, sowie Transfer-Learning-Tools wie OncoPredict und TCRP, die es ermöglichen, in datenreichen Umgebungen trainierte Modelle auf kleine klinische Kohorten zu übertragen. Wichtig ist, dass die Modelle auch dann funktionsfähig bleiben sollen, wenn Datenmodalitäten fehlen oder fehlerbehaftet sind.
Zweitens entwickelt ADAPT einen evolutionären klinischen Studienrahmen, der Patientinnen und Patienten mit metastasiertem Brustkrebs (vorwiegend ER+/HER2−), kolorektalem Karzinom (Mikrosatellit-stabil) und nicht-kleinzelligem Lungenkrebs einschließt. Anders als bei herkömmlichen Studien testet dieses modulare Open-Source-Protokoll mehrere Therapiesequenzen innerhalb einer einzigen Plattform, integriert neu entdeckte Biomarker prospektiv und verwendet Bayesianische adaptive N-of-one-ähnliche (Bayes-Nano) Teilstudien, um vielversprechende Biomarker-Wirkstoff-Paarungen rasch zu identifizieren. Serielle Flüssigbiopsien und Bildgebung über mehrere Behandlungslinien hinweg erzeugen die longitudinalen Daten, die benötigt werden, um Resistenzmerkmale bei ihrem Auftreten zu erkennen und adaptive Therapiewechsel zu steuern. Jeder Krebsarm verfügt über eine maßgeschneiderte Strategie: Brustkrebspatientinnen erhalten serielle Blutbiopsien zur Steuerung der nächsten Therapielinie nach Progression unter CDK4/6-Inhibitoren; kolorektale Patienten werden über drei Therapielinien hinweg mit „Delta-Biomarkern" profiliert, die frühe behandlungsinduzierte Veränderungen mit Ergebnissen korrelieren; Lungenkrebspatienten unter Erstlinien-Immuntherapie werden mit ctDNA/cfDNA und Bildgebung überwacht, wobei Patienten mit Progression in biomarkergematchte Teilstudien eintreten.
Drittens vereint die ADAPT Treatment and Analysis Platform (TAP) Forschungs- und klinische Abläufe. TAP wurde auf der DNAnexus Managed Cloud Platform und dem XNAT-Neuroimaging-Toolkit aufgebaut und bietet skalierbare Multi-Omics-Speicherung, automatisierte Bildgebungsqualitätskontrolle, hochdurchsatzfähige Merkmalsextraktion und sicheren institutionsübergreifenden Datenaustausch. Strenge Anbieter-Durchlaufzeiten und cloudbasierte Interoperabilität stellen sicher, dass interpretierbare Ergebnisse Behandler und Patienten erreichen, ohne Versorgungsabläufe zu beeinträchtigen. Zudem wird ein regulatorischer und erstattungstechnischer Fahrplan entwickelt, um eine nachhaltige klinische Einführung multimodaler Biomarker zu unterstützen.
ADAPTs Ambitionen sind bedeutend: Krebstherapie zu einem kontinuierlich lernenden System zu machen, bei dem die Daten jedes Patienten die Versorgung künftiger Patienten mit ähnlichen Tumoren verbessern. Bei Erfolg könnte diese Infrastruktur als skalierbares Modell für die Präzisionsonkologie über die drei anfänglichen Krebsarten hinaus dienen.
Wichtigste Erkenntnisse
- ADAPT integrates ctDNA, genomics, imaging, and EHR data into dynamic AI models that predict emerging drug resistance.
- An evolutionary trial platform tests multiple therapy sequences in one protocol, adjusting treatment as tumor traits change.
- Bayes-Nano sub-trials enable rapid biomarker-drug pairing discovery within deeply characterized patient cohorts.
- The TAP data platform links institutions for near-real-time secure data sharing and reproducible biomarker analysis.
- Three cancer types—metastatic breast, colorectal, and NSCLC—serve as initial testbeds across multiple lines of therapy.
Methodik
ADAPT ist eine prospektive, institutionsübergreifende Programminitiative, die retrospektive Modellentwicklung (Zelllinien-Screenings, bestehende Patientendatensätze) mit einer modular-adaptiven klinischen Studie kombiniert, in die Patientinnen und Patienten mit metastasiertem Brust-, Kolorektal- und NSCLC-Karzinom eingeschlossen werden. Die Biomarker-Modelle setzen maschinelle Lernmethoden ein – darunter SHAP, sichtbare neuronale Netze, OncoPredict und TCRP – und werden iterativ mit Echtzeit-Studiendaten verfeinert. Die TAP-Plattform (DNAnexus + XNAT) zentralisiert das Multi-Omics- und Bildgebungsdatenmanagement institutsübergreifend.
Studienlimitierungen
ADAPT ist eine Programmbeschreibung und keine abgeschlossene Studie, weshalb die Wirksamkeit und klinische Nützlichkeit der KI-Modelle sowie des adaptiven Studiendesigns noch unbewiesen sind. Die Komplexität der Echtzeit-Integration multimodaler Daten über verschiedene Institutionen hinweg stellt erhebliche logistische, regulatorische und abrechnungstechnische Herausforderungen dar. Die Übertragbarkeit auf andere als die drei initialen Krebsarten sowie auf ressourcenarme Einrichtungen abseits akademischer Zentren ist ungewiss.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: