Neue Publikation: Wie Künstliche Intelligenz bei Therapieentscheidungen in der Krebsbehandlung unterstützen kann

fTeilen

In einem neuen Übersichtsartikel beleuchten Professor Jakob N. Kather und
sein Team am Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit,
in Zusammenarbeit mit weiteren Forschenden, wie künstliche Intelligenz
(KI) künftig Entscheidungen in der Krebsbehandlung unterstützen kann. 

Der in der Fachzeitschrift Trends in Cancer veröffentlichte Artikel behandelt
die wachsende Komplexität von Behandlungsmöglichkeiten für solide Tumore
sowie den ungleichen Zugang zu personalisierter Medizin. Die Forschenden
sehen großes Potenzial in KI-basierten Biomarkern.

Diese können aus routinemäßig erhobenen medizinischen Bildern und
elektronischen Gesundheitsakten gewonnen werden. Sie bieten eine
kostengünstige Möglichkeit, bei der Auswahl der passenden Krebstherapie zu
unterstützen und das medizinische Personal zu entlasten. Die
Behandlungsmöglichkeiten für solide Tumore sind zunehmend komplexer
geworden. Das macht es für Ärztinnen und Ärzte schwieriger, die optimale
Therapie für Patientinnen und Patienten auszuwählen. Darüber hinaus
schränken die hohen Kosten, die mit personalisierten Therapien verbunden
sind, deren breite Verfügbarkeit oft ein. KI-basierte Biomarker stellen
eine vielversprechende Lösung dar.

„KI-Methoden – wie Deep Learning und große Sprachmodelle – können helfen,
Biomarker aus medizinischen Routinedaten wie Pathologie- und
Radiologiebildern sowie klinischen Berichten zu identifizieren, etwa um
vorherzusagen, auf welche bestimmte Therapie Patientinnen und Patienten
wahrscheinlich ansprechen werden. Die Anwendung von KI-basierten
Biomarkern bietet einen kosteneffizienten Ansatz zur Unterstützung von
Behandlungsentscheidungen und den Zugang zu personalisierter Medizin“,
sagt Dr. Marta Ligero, Erstautorin der Veröffentlichung und
Wissenschaftlerin in der Forschungsgruppe von Professor Kather am EKFZ für
Digitale Gesundheit in Dresden.

Verbesserte Entscheidungen in der Krebstherapie durch KI-basierte
Anwendungen

KI-Modelle bieten zahlreiche Möglichkeiten, die Krebsbehandlung für
Patientinnen und Patienten zu verbessern. Sie können klinische Aufgaben
automatisieren, die bislang manuelle Eingaben von Ärztinnen und Ärzten
erfordern. Ein Beispiel ist die Klassifizierung von histopathologischen
Krebsarten direkt aus medizinischen Bildern. Diese Automatisierung kann
schnellere Behandlungsentscheidungen unterstützen und somit die
Arbeitsbelastung des medizinischen Personals verringern. Eine weitere
wichtige Anwendung ist die Vorhersage molekularer Biomarker aus
routinemäßig erhobenen medizinischen Bilddaten. Dies könnte dazu
beitragen, Herausforderungen moderner Sequenzierungstechnologien wie hohe
Kosten, benötigtes Fachwissen und lange Bearbeitungszeiten – zu überwinden
und personalisierte Therapien mehr Menschen zugänglich zu machen. KI-
basierte Tools können auch dabei helfen, geeignete klinische Studien für
Patientinnen und Patienten zu identifizieren und dadurch die
Arbeitsbelastung multidisziplinärer Teams zu verringern. KI-Lösungen
können durch die Identifizierung neuer Muster in klinischen Daten neue
klinische und molekulare Merkmale entdecken. Dieses Wissen ermöglicht
präzisere Einschätzungen darüber, welche Therapie individuell am besten
geeignet ist.

Aktuelle Herausforderungen und erforderliche Schritte für die Anwendung in
der Praxis

Trotz ihres Potenzials müssen KI-gestützte Methoden noch mehrere
Herausforderungen überwinden, bevor sie routinemäßig in der Klinik
eingesetzt werden können. Zunächst müssen KI-basierte Biomarker durch groß
angelegte Studien sorgfältig evaluiert werden. Darüber hinaus betonen die
Forschenden die Notwendigkeit klarer regulatorischer Richtlinien, um die
Entwicklung und Zulassung KI-basierter Lösungen zu ermöglichen.
Wirtschaftliche Machbarkeitsstudien und algorithmische Fairness sind
notwendig, um eine gerechte Umsetzung von KI-basierten Biomarkern zu
gewährleisten.

„KI-basierte Biomarker werden innerhalb des nächsten Jahrzehnts einen
erheblichen Anteil aller Biomarker in der Präzisionsonkologie ausmachen.
Da die Entscheidungsmöglichkeiten für die Behandlung immer komplexer
werden, wird der Bedarf an zusätzlichen Biomarkern weiter steigen. Ihr
sicherer Einsatz in der klinischen Praxis erfordert geeignete rechtliche
und regulatorische Rahmenbedingungen“, erklärt Prof. Dr. med. Jakob N.
Kather, Professor für Klinische Künstliche Intelligenz an der TU Dresden
und Onkologe am Dresdner Universitätsklinikum Carl Gustav Carus. „Darüber
hinaus wird es für Ärztinnen und Ärzte sowie Forschende wichtig sein, KI-
Kenntnisse und ein grundlegendes Verständnis von KI-Methoden zu
entwickeln, um diese Biomarker effektiv bewerten und anwenden zu können,
sobald sie in größerem Umfang verfügbar sind", fügt er hinzu.

Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit

Das EKFZ für Digitale Gesundheit an der TU Dresden und dem
Universitätsklinikum Carl Gustav Carus Dresden wurde im September 2019
gegründet. Es wird mit einer Fördersumme von 40 Millionen Euro für eine
Laufzeit von zehn Jahren von der Else Kröner-Fresenius-Stiftung gefördert.
Das Zentrum konzentriert seine Forschungsaktivitäten auf innovative,
medizinische und digitale Technologien an der direkten Schnittstelle zu
den Patientinnen und Patienten. Das Ziel ist dabei, das Potenzial der
Digitalisierung in der Medizin voll auszuschöpfen, um die
Gesundheitsversorgung, die medizinische Forschung und die klinische Praxis
deutlich und nachhaltig zu verbessern.