Wissensportal für Fachkräfte der medizinischen Bildgebung: Radiologie durch strukturierte Befundung, datenbasierte Ansätze und multizentrische Forschung weiterentwickeln

Erhalten Sie Zugang zu wegweisender Forschung, innovativen Fallbeispielen und gemeinsamen Projekten, die die Radiologie weltweit vorantreiben. Entdecken Sie unsere Aktivitäten und Produktneuigkeiten und lernen Sie uns als Unternehmen und Team kennen.

Anwendung von mint Lesion während einer Befundung in einer klinischen Studie, dargestellt mit dem TGRM-Export-Tool.

Die Lücke zwischen RECIST und der Überlebensprognose schließen: Warum die FDA-Analyse des g-Wertes bahnbrechend ist

Seit Jahrzehnten verlassen sich Onkologie-Studien auf RECIST 1.1, um die Wirksamkeit von Medikamenten zu bewerten. Diese kategorischen „Momentaufnahmen“ korrelieren jedoch nicht immer perfekt mit dem Gesamtüberleben (OS) oder dem progressionsfreien Überleben (PFS). Eine wegweisende retrospektive Analyse der FDA an 10.495 Patienten aus 22 randomisierten klinischen NSCLC-Studien¹ weist nun auf einen präziseren kinetischen Ansatz hin, der eine verbesserte Korrelation mit dem Überleben aufweist: g-Werte der Modellierung der Tumorwachstumsrate (Tumor Growth Rate Modeling, TGRM).

Die Aussagekraft des g-Wertes

Die Untersuchung der FDA konzentrierte sich auf die Wachstumsratenkonstante (g), ein volumetrisches Maß, das aus mathematischen Modellen abgeleitet wird. Das wichtigste Ergebnis der Studie: Der g-Wert steht in einem inversen Verhältnis zur Überlebensrate. Patienten mit niedrigeren g-Werten – was auf ein langsameres Tumorwachstum hindeutet – zeigten über alle Therapielinien hinweg ein signifikant höheres medianes OS und ein längeres medianes PFS.

Zentrale Erkenntnisse der FDA-Publikation

  • Frühzeitige Wirksamkeitssignale: Der g-Wert kann die potenzielle klinische Aktivität eines Wirkstoffs charakterisieren, noch bevor zeitabhängige Endpunkte wie das OS erreicht werden.
  • Therapiespezifische Kinetik: Die Analyse ergab, dass Patienten unter zielgerichteten Therapien (z. B. ALK- oder EGFR-Inhibitoren) die niedrigsten g-Werte aufwiesen, verglichen mit Patienten unter Immun- oder Chemotherapie.
  • Prädiktiv für zytostatische Wirkstoffe: TGRM ist besonders nützlich für Therapien mit primär zytostatischen Effekten, bei denen traditionelle Ansprechraten (ORR) die tatsächliche Auswirkung des Medikaments auf die Wachstumshemmung oft nicht erfassen.

Implementierung in mint Lesion

mint Lesion ermöglicht es Anwender:innen, über die grobe Klassifizierung von RECIST (wie „Stable Disease“) hinauszugehen, indem diese Kinetiken parallel zu den Standardbewertungen quantifiziert werden. Durch die Nutzung desselben mathematischen Modells, den die FDA zitiert, ermöglicht mint Lesion die simultane Ableitung von g-Werten. Explorative Forschung legt nahe, dass dies dabei helfen kann, die potenzielle Antitumor-Aktivität eines Wirkstoffs bereits früh im Entwicklungsprozess zu charakterisieren.

Um zu verstehen, wie mint Lesion diese mathematischen Modelle in einen konfigurierbaren klinischen Workflow übersetzt, lesen Sie unseren Begleitartikel zur praktischen Implementierung von TGRM.

Für einen tieferen Einblick, wie TGRM die Grenzen traditioneller Ansprechkriterien überwindet, um prädiktivere Wirksamkeitssignale zu liefern, laden Sie unser TGRM-Whitepaper herunter.

 

¹ Justin N. Malinou, Jiaxin Fan, Joyce Cheng, Yutao Gong, Yuan-Li Shen, Erin Larkins, An FDA analysis of the association of tumor growth rate, overall survival and progression-free survival in patients with metastatic NSCLC, The Oncologist, 2026.

Ähnliche Inhalte

Ähnliche Inhalte

Interview mit Prof. Dr. Timm Denecke über das RACOON-MARDER-Projekt zur KI-gestützten Früherkennung von Leberkrebs mittels MRT

„Das Unsichtbare sichtbar machen“: Wie RACOON-MARDER mit MRT und KI die Früherkennung von Leberkrebs verbessern möchte

Das hepatozelluläre Karzinom (HCC) ist ein potenziell tödlicher Tumor. Der entscheidende Faktor: der Zeitpunkt der Diagnose. Wird HCC früh erkannt,…

Bild eines Patienten, der einen MRT-Scan bekommt, um zu illustrieren, wie  die RACOON-Projekte in Deutschland, durch Bildgebung, strukturierte Befundung und KI gemeinsam die klinische Forschung verbessern.

RACOON – Bildgebung, Daten & Zusammenarbeit für bessere Entscheidungen

Die moderne Radiologie steht vor einer zentralen Frage: Wie lassen sich Bildgebung und klinische Daten so verbinden, dass Diagnosen präziser,…

Interview mit Prof. Dr. Timm Denecke über das RACOON-MARDER-Projekt zur KI-gestützten Früherkennung von Leberkrebs mittels MRT.

Früherkennung neu gedacht: Wie RACOON-MARDER Leberkrebs früher sichtbar machen will

Das hepatozelluläre Karzinom (HCC) wird oft erst spät entdeckt – mit gravierenden Folgen für Therapie und Überlebenschancen. Das Forschungsprojekt…