Komplexe Wechselwirkungen entschlüsselt KI verbessert personalisierte Krebstherapie

Anbieter zum Thema

Technische Universität

Board Deutschland GmbH

Ein Forscherteam hat eine KI-basierte Methode entwickelt, die klinische Daten aus verschiedenen Quellen kombiniert, um Therapieentscheidungen in der Onkologie zu verbessern. Das Modell analysiert Wechselwirkungen zwischen hunderten Parametern und soll eine stärker personalisierte Behandlung ermöglichen. Erste Studienergebnisse wurden in „Nature Cancer“ veröffentlicht.

Die personalisierte Medizin setzt auf individuell zugeschnittene Therapieansätze, doch bislang basiert sie auf vergleichsweise wenigen Parametern. Forscher der Universität Duisburg-Essen, der Ludwig-Maximilians-Universität München (LMU) und des Berlin Institute for the Foundations of Learning and Data (BIFOLD) an der Technischen Universität Berlin haben ein KI-Modell entwickelt, das komplexe Zusammenhänge in der Krebsmedizin entschlüsseln soll.

Das System aggregiert klinische Daten aus verschiedenen Quellen, darunter Laborwerte, Bildgebung und genetische Analysen. Laut Jens Kleesiek vom Universitätsklinikum Essen und dem Cancer Research Center Cologne Essen (CCCE) sind in der modernen Medizin zwar große Datenmengen vorhanden, doch das Potenzial einer wirklich personalisierten Medizin sei noch nicht ausgeschöpft. Ziel des neuen Modells ist es daher, eine präzisere, datenbasierte Entscheidungsgrundlage für Onkologen zu schaffen.

Erklärbare KI sorgt für Nachvollziehbarkeit

Bislang werden in der Onkologie vor allem starre Bewertungssysteme wie die Einteilung der Tumorstadien herangezogen, die individuelle Unterschiede nur unzureichend berücksichtigen. Laut Frederick Klauschen, Direktor des Pathologischen Instituts der LMU, kann der Einsatz erklärbarer Künstlicher Intelligenz (XAI) dazu beitragen, solche Unterschiede besser zu erfassen und die Therapie stärker zu personalisieren. Die KI analysiere dafür komplexe Wechselwirkungen und liefert eine Gesamtprognose, wobei sie zugleich aufzeigt, welche Parameter besonders ausschlaggebend sind.

Die Forscher trainierten ihr Modell mit Daten von über 15.000 Krebspatienten, die an insgesamt 38 verschiedenen soliden Tumorerkrankungen litten. Dabei wurden rund 350 Parameter aus klinischen und genetischen Quellen untersucht. Die Ergebnisse wurden anschließend mit den Daten von über 3.000 Lungenkrebspatienten überprüft, um die gefundenen Wechselwirkungen zu validieren. Laut Julius Keyl vom Institut für KI in der Medizin (IKIM) konnte das System Schlüsselfaktoren identifizieren, die maßgeblich die Prognosen beeinflussen.

Klinischer Einsatz und künftige Forschung

Die KI-gestützte Analyse könnte nach Angaben der Forscher nicht nur die personalisierte Krebstherapie verbessern, sondern auch in Notfällen eine schnelle Bewertung diagnostischer Parameter ermöglichen. Zudem soll die Methode helfen, bislang unbekannte krebsübergreifende Zusammenhänge zu identifizieren.

Zukünftig soll das Modell im Rahmen klinischer Studien weiter validiert werden. Laut Martin Schuler, Direktor des Nationalen Centrums für Tumorerkrankungen (NCT) West, bieten die bestehenden Netzwerke wie das Bayerische Zentrum für Krebsforschung (BZKF) eine geeignete Infrastruktur, um den praktischen Nutzen der Technologie zu belegen. Ziel sei es, den Einfluss der KI-gestützten Analyse auf klinische Entscheidungen und Patientenoutcomes weiter zu erforschen.

Studienergebnisse in Nature Cancer

Keyl, J., Keyl, P., Montavon, G. et al.: Decoding pan-cancer treatment outcomes using multimodal real-world data and explainable artificial intelligence. Nature Cancer 2025

(ID:50304007)