APOLLO11: ein bio‑datengetriebenes Modell für die klinische und translationale Forschung bei Lungenkrebs

Warum das für Menschen mit Lungenkrebs wichtig ist

Die Behandlung von Lungenkrebs hat sich im letzten Jahrzehnt dank Immuntherapien und zielgerichteter Medikamente dramatisch verändert, doch viele Patientinnen und Patienten profitieren weiterhin nicht von diesen Fortschritten. Dieser Artikel beschreibt APOLLO11, eine landesweite italienische Initiative, die darauf abzielt, systematisch Real‑World‑Daten und biologische Proben von Lungenkrebspatienten zu sammeln und künstliche Intelligenz zu nutzen, um zu verstehen, wer auf welche Therapie anspricht. Für Patientinnen, Patienten und ihre Familien deutet das auf eine Zukunft hin, in der Therapieentscheidungen durch eine tiefgehende Analyse des individuellen Tumors und des Immunsystems gesteuert werden — statt durch Ausprobieren.

Von One‑Size‑Fits‑All zu datenbasierter Versorgung

Die Autorinnen und Autoren erklären, dass trotz wirksamer neuer Medikamente etwa die Hälfte der Patientinnen und Patienten mit fortgeschrittenem Lungenkrebs entweder gar nicht anspricht oder schnell Resistenz entwickelt. Die heute üblichen Blut‑ und Gewebetests sind zu ungenau, um zuverlässig den Nutzen von Immuntherapie oder zielgerichteten Therapien vorherzusagen. Traditionelle klinische Studien, die jeweils eine einzelne Hypothese in streng ausgewählten Patientengruppen prüfen, können mit dem schnellen Erscheinen neuer Medikamente und Kombinationen nicht Schritt halten. APOLLO11 wurde geschaffen, um diese Lücke zu schließen, indem eine langfristige, kontinuierlich aktualisierte Ressource aufgebaut wird, die routinemäßige klinische Informationen, Bildgebung, Laborwerte und fortgeschrittene biologische Messungen von Tausenden von Patientinnen und Patienten vereint, die in der täglichen Praxis in ganz Italien behandelt werden.

Aufbau eines landesweiten Lernnetzwerks

Das Projekt verbindet Dutzende von Krankenhäusern, die in einem „Hub‑and‑Spoke“-System organisiert sind: große Krebszentren und Universitätskliniken arbeiten mit kleineren regionalen Krankenhäusern zusammen. Jede Einrichtung erfasst standardisierte Informationen über eine sichere elektronische Plattform und lagert, wenn möglich, biologische Proben wie Tumorgewebe, Blut und Stuhl in lokalen Gefrierschränken. Anstatt alles an ein zentrales Lager zu schicken, behalten die Zentren das Material vor Ort, während ein zentrales Team den Überblick darüber behält, was vorhanden ist und wo. Diese Struktur ermöglicht es kleinen Krankenhäusern, die viele Patientinnen und Patienten versorgen, aber möglicherweise wenig Forschungsinfrastruktur haben, sinnvoll beizutragen, und hilft sicherzustellen, dass die Daten die reale Vielfalt der Menschen mit Lungenkrebs im ganzen Land widerspiegeln.

Die Krankheit von Aufnahmen bis zu Zellen verfolgen

APOLLO11 sammelt mehrere Informationsschichten zu jeder teilnehmenden Patientin bzw. jedem teilnehmenden Patienten, die eine „innovative“ Behandlung erhalten (im Wesentlichen jede moderne Therapie außer älteren Chemotherapien). Zu den klinischen Daten gehören Alter, Krankheitsstadium, erhaltene Behandlungen, Nebenwirkungen und Überleben. Bildgebende Daten umfassen CT‑, MRT‑ und PET‑Scans zu zentralen Zeitpunkten, die mit „Radiomics“-Methoden analysiert werden, welche subtile Muster in Bildern in tausende quantitative Merkmale verwandeln. Biologische Proben werden verwendet, um Tumor‑DNA, Genaktivität, Proteine, Metaboliten, körpereigene Immunzellen und sogar die im Darm und Mund lebenden Mikroben zu untersuchen. Bei einigen Patientinnen und Patienten werden Immunzellen mittels Einzelzellsequenzierung einzeln untersucht, um das feingliedrige Verhalten von T‑Zellen, Neutrophilen und anderen Akteuren zu enthüllen, die die Antwort auf Immuntherapie beeinflussen können.

Computern beibringen, Behandlungsmuster zu erkennen

Da kein einzelner Test die gesamte Komplexität von Krebs erfassen kann, plant APOLLO11, all diese Datentypen mittels maschinellen Lernens zu kombinieren. Anstatt sensible Rohdaten an einen zentralen Server zu senden, werden viele Analysen „federated learning“ nutzen, bei dem jedes Krankenhaus ein lokales Modell trainiert und nur Modell‑Updates teilt, nicht jedoch patientenbezogene Datensätze. Die finalen Algorithmen sollen erklärbar sein: Werkzeuge werden zeigen, welche Merkmale — etwa bestimmte Immunzellmuster, Bildgebungscharakteristika oder genetische Veränderungen — eine Vorhersage für eine einzelne Patientin bzw. einen einzelnen Patienten antreiben. Erste Arbeiten innerhalb des Konsortiums untersuchen bereits, wie Profile von Immunzellen im Blut mit dem Ansprechen auf Immuntherapie beim fortgeschrittenen nicht‑kleinzelligen Lungenkrebs zusammenhängen.

Wissen teilen und gleichzeitig Privatsphäre schützen

Das Netzwerk dient auch als Plattform für zukünftige wissenschaftliche Fragestellungen. Forschende aus teilnehmenden Zentren und sogar von außerhalb des Konsortiums können Studien vorschlagen. Ein Lenkungsausschuss bewertet jeden Vorschlag nach klinischer Relevanz, Neuheitsgrad, Dringlichkeit und Machbarkeit. Wenn externe Gruppen beteiligt sind, kann das Projekt synthetische Datensätze erzeugen, die die echten Daten nachahmen, ohne einzelne Patientinnen oder Patienten preiszugeben, um Offenheit mit strengen Datenschutzregeln wie der europäischen DSGVO in Einklang zu bringen. Dieses Governance‑Modell zielt darauf ab, den Zugang fair, transparent und auf Arbeiten fokussiert zu gestalten, die die Versorgung tatsächlich verbessern können.

Was das für Patientinnen und Patienten bedeuten könnte

In einfachen Worten verwandelt APOLLO11 die tägliche Versorgung von Lungenkrebspatientinnen und -patienten in ein großes, lebendiges Labor. Indem systematisch aus realen Erfahrungen in vielen Krankenhäusern gelernt wird — und durch die Kombination von Bildgebung, Bluttests, Tumoranalyse und fortgeschrittener Datenverarbeitung — will das Projekt Werkzeuge entwickeln, die Ärztinnen und Ärzten vor Beginn einer Behandlung sagen, welche Patientinnen und Patienten wahrscheinlich von Immuntherapie oder zielgerichteten Medikamenten profitieren, wer ernsthafte Nebenwirkungen zu erwarten hat und wer andere Strategien benötigen könnte. Zwar bestehen weiterhin Herausforderungen, etwa die Sicherstellung einer konstanten Datenqualität und die langfristige Finanzierung, doch die Autorinnen und Autoren argumentieren, dass ein solches datengetriebenes, erklärbares und datenschutzbewusstes Netzwerk ein Modell dafür sein kann, Präzisionsmedizin für Menschen mit Lungenkrebs zur Realität und nicht nur zum Versprechen zu machen.

Zitation: Prelaj, A., Provenzano, L., Miskovic, V. et al. APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer. npj Precis. Onc. 10, 96 (2026). https://doi.org/10.1038/s41698-026-01295-3

Schlüsselwörter: Lungenkrebs, Immuntherapie, Künstliche Intelligenz, Real‑World‑Daten, Biobank