Die Unterscheidung dieser beiden Ursachen ist für die Wahl der richtigen Behandlung entscheidend, stellt in der klinischen Praxis jedoch häufig eine große diagnostische Herausforderung dar.
Um die Diagnostik zu verbessern, untersuchte eine multizentrische Studie unter der Leitung von Mario Detomas Daten von insgesamt 566 Patientinnen und Patienten mit ACTH-abhängigem Cushing-Syndrom aus mehreren spezialisierten Zentren. Ziel war es zu prüfen, ob bereits die bei Diagnosestellung erhobenen Hormonwerte und klinischen Basisdaten genutzt werden können, um die Ursache der Erkrankung zuverlässiger vorherzusagen. Hierfür wurden moderne Methoden des maschinellen Lernens sowie neu entwickelte kombinierte Scores eingesetzt und mit etablierten diagnostischen Verfahren verglichen.
Die Ergebnisse zeigen, dass bestimmte biochemische Parameter bereits zu Beginn der Diagnostik wertvolle Hinweise auf die zugrunde liegende Ursache liefern. Besonders die Kombination mehrerer Laborwerte erwies sich als deutlich aussagekräftiger als die Betrachtung einzelner Werte. Die entwickelten Modelle erreichten eine hohe diagnostische Genauigkeit und konnten Patientinnen und Patienten mit Morbus Cushing und ektopem Cushing-Syndrom zuverlässig unterscheiden.
Diese Ergebnisse sind klinisch besonders relevant, da aufwendige und invasive Untersuchungen wie die Sinus-petrosus-Katheterisierung nicht überall verfügbar sind und mit Risiken verbunden sein können. Die neuen Vorhersagemodelle könnten künftig helfen, die Diagnostik gezielter zu steuern und die Auswahl weiterführender Untersuchungen zu erleichtern. Damit besteht das Potenzial, den Weg zur richtigen Diagnose zu verkürzen und Patientinnen und Patienten schneller einer geeigneten Therapie zuzuführen.
Die Studie unterstreicht zudem, welchen Beitrag moderne datenbasierte Analyseverfahren zur Verbesserung der Versorgung seltener endokriner Erkrankungen leisten können. Weitere Untersuchungen sollen nun zeigen, wie die entwickelten Modelle in der klinischen Routine eingesetzt und in unabhängigen Patientenkollektiven validiert werden können.
Publikation: Mario Detomas, Juan P Prada Salcedo, Barbara Altieri, Isabel Stüfchen, Isabella Nasi-Kordhishti, Stefan Wolfsberger, Marco Losa, Marcus Quinkler, Otilia Kimpel, Greisa Vila, Jürgen Bernd Honegger, German Rubinstein, Martin Fassnacht, Timo Deutschbein, Baseline biochemical evaluation for etiologic differentiation in ACTH-dependent Cushing's syndrome: machine learning and composite score analysis in a multicenter cohort of 566 patients, European Journal of Endocrinology, Volume 195, Issue 2, August 2026, Pages 250–261, https://doi.org/10.1093/ejendo/lvag141