Mit KI die Datenlage zur Behandlung von Krebs verbessern

In den klinischen Krebsregistern der Bundesländer laufen die Daten aller Krebsdiagnosen in Deutschland zusammen. Diese Daten sind insbesondere in Pathologiebefunden jedoch nur teilweise strukturiert und beinhalten viel Freitext. Eine manuelle Extraktion relevanter Informationen inklusive einer Plausibilitätsprüfung ist manuell kaum leistbar und sehr zeitintensiv. Das Projekt "TeMeK", kurz für "TextMining von Meldungstexten für einheitliche Klassifikationen", verfolgt daher das Ziel, Informationen aus diesen komplexen Freitexten effizient zu extrahieren, zu validieren sowie einheitlich zu schematisieren. Dadurch können Hinweise zu Art und Erfolg einer Therapie über den Zeitverlauf gewonnen werden. Dies verbessert die Behandlung von Krebs langfristig.

So wird zum Beispiel der Tumor inzwischen auf DNA-Ebene sequenziert, um mögliche genetische Mutationen zu identifizieren, für die es bereits zielgerichtete Medikationen geben kann. Die Art der Mutation gibt Hilfestellung zur Therapieplanung und ist in dem molekularpathologischen Befund einer Meldung an die Krebsregister enthalten. Die Aufgabe des Fraunhofer FKIE in Zusammenarbeit mit der Averbis GmbH besteht darin, diese Informationen aus den Freitexten automatisiert zu extrahieren und einzuordnen. Dies erleichtert die Dokumentation von Tumoren und deren Therapien im großen Stil, sodass Informationen zu Krebserkrankungen und Therapieerfolgen deutschlandweit vernetzt und mittels Big-Data-Analyse ausgewertet werden können. Zum Einsatz kommen hierbei Text-Mining und durch Machine Learning gestütztes Natural Language Processing.

An dem vom Bundesministerium für Gesundheit (BMG) geförderten Projekt unter der Leitung des Krebsregisters Baden-Württemberg sind die Averbis GmbH, das Tumorzentrum Freiburg – CCCF des Universitätsklinikums Freiburg und das Fraunhofer FKIE beteiligt. Darüber hinaus steuern die Krebsregister Berlin/Brandenburg, Hessen und Rheinland-Pfalz Fachwissen und Daten bei. Noch bis August 2025 erforschen die Projektpartner gemeinsam KI-Verfahren, mit denen die Tumordokumentation unterstützt, der Aufwand der manuellen Dokumentation verringert und der Automatisierungsgrad bei der Erfassung erhöht werden können. Im Ergebnis soll ein Demonstrator entstehen, der genau diese Aufgaben erfüllt und somit langfristig das Verständnis und die Therapie von Krebs verbessert.

MEDICA.de; Quelle: Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE