KI-gestützte personalisierte Krebsmedizin für verbesserte Prognosen

Personalisierte Medizin soll Behandlungen auf einzelne Patientinnen und Patienten abstimmen. Aktuell werden hierfür nur wenige Parameter genutzt, um den Krankheitsverlauf vorherzusagen. Dieser Ansatz stößt jedoch bei komplexen Erkrankungen wie Krebs an seine Grenzen. Um dieses Problem zu lösen, haben Forschende ein KI-gestütztes Modell entwickelt, das umfangreiche klinische Daten integriert.   

Die Smart-Hospital-Infrastruktur des Universitätsklinikums Essen diente als Grundlage für die Zusammenführung unterschiedlicher Datenquellen. Dazu zählen medizinische Vorgeschichte, Laborwerte, bildgebende Verfahren und genetische Analysen. „Obwohl in der modernen Medizin riesige Mengen an klinischen Daten verfügbar sind, bleibt das Versprechen einer wirklich personalisierten Medizin oft noch unerfüllt“, erklärt Prof. Jens Kleesiek vom Institut für Künstliche Intelligenz in der Medizin am Universitätsklinikum Essen und dem Cancer Research Center Cologne Essen (CCCE).   

In der aktuellen Praxis wird die Therapie oft auf Basis starrer Bewertungssysteme wie der Einteilung in Tumorstadien getroffen. Individuelle Faktoren wie Geschlecht, Ernährungsstatus oder Begleiterkrankungen werden dabei nur unzureichend berücksichtigt. „Mithilfe moderner KI-Technologien, insbesondere erklärbarer Künstlicher Intelligenz, kurz xAI, können diese komplexen Beziehungen entschlüsselt und die Krebsmedizin deutlich stärker personalisiert werden“, so Prof. Frederick Klauschen, Direktor des Pathologischen Instituts der LMU.   

Das Modell wurde mit Daten von über 15.000 Patientinnen und Patienten trainiert, die an insgesamt 38 verschiedenen soliden Tumorerkrankungen litten. Dabei analysierte die KI den Zusammenhang von 350 Parametern, um ein umfassendes Bild der individuellen Krankheitsverläufe zu erhalten. „Wir haben Schlüsselfaktoren identifiziert, die einen Großteil der Entscheidungsprozesse des neuronalen Netzwerks ausmachten, sowie eine Vielzahl prognostisch relevanter Wechselwirkungen zwischen den Parametern“, erklärt Dr. Julius Keyl, Clinician Scientist am Institut für KI in der Medizin.   

Zur Überprüfung der Ergebnisse wurde das KI-Modell mit Daten von über 3.000 Lungenkrebspatientinnen und -patienten validiert. Das System kombiniert klinische Informationen und erstellt daraus eine Gesamtprognose für die individuelle Patientin oder den individuellen Patienten. Als erklärbare KI macht das Modell seine Entscheidungen transparent, indem es darstellt, welche Parameter welchen Einfluss auf die Prognose hatten. 

„Unsere Ergebnisse zeigen das Potenzial von Künstlicher Intelligenz, klinische Messwerte nicht einzeln, sondern im Zusammenhang zu betrachten, neu zu bewerten und so eine personalisierte, datengetriebene Krebstherapie zu ermöglichen“, so Dr. Philipp Keyl von der LMU. Die Forschenden sehen in der Technologie auch Potenzial für den Notfalleinsatz, bei dem eine schnelle, umfassende Beurteilung diagnostischer Parameter essenziell ist. Am Nationalen Centrum für Tumorerkrankungen und im Bayerischen Zentrum für Krebsforschung wird nun der nächste Schritt verfolgt: Der praktische Nachweis des Patientennutzens durch klinische Studien. 

 MEDICA.de; Quelle: Universitätsklinikum Essen