KÜNSTLICHE INTELLIGENZ IN DER ONKOLOGIE

Maschinelles Lernen eröffnet neue Wege in der Krebsdiagnose und -therapie.

Künstliche Intelligenz (KI) entpuppt sich im Kampf gegen Krebs als nützliches Werkzeug mit großem Potenzial. Sie verspricht, Läsionen und Tumore frühzeitiger als bisher zu erkennen, Röntgen-, Computertomografie- und Magnetresonanztomografiebilder genauer und schneller auszuwerten, große Datenmengen zusammenzuführen und Vorhersagen für den Erfolg bestimmter Therapien zu treffen. Viele Anwendungen stecken noch im Forschungsstadium, einige haben schon in den klinischen Alltag Einzug gehalten.

In Österreich kommt KI vor allem in der Bildgebung bei Brust- und Lungenkrebs vielerorts zum Einsatz. „Das Ziel ist, durch KI die Sensitivität zu erhöhen und dabei die Spezifität zu halten oder zu verbessern“, erklärt Georg Langs, Leiter des Computational Imaging Research Labs an der Meduni Wien. Mit anderen Worten: KI soll helfen, auf Röntgen-, Computertomografie- und Magnetresonanztomografiebildern onkologische Auffälligkeiten mit möglichst großer Zuverlässigkeit besser zu erkennen und auf dieser Basis den Verlauf einer Krebserkrankung und in weiterer Folge die Wirkung von Behandlungen genauer vorherzusagen. Ein direkter Effekt verbesserter Spezifität ist, dass Biopsien seltener notwendig werden. „Mit KI können wir viele Krebsarten schon früher erkennen. Das ist besonders bei Krebsarten relevant, die üblicherweise spät diagnostiziert werden, wie zum Beispiel Bauchspeicheldrüsenkrebs“, sagt Maria Sibilia, Leiterin des Instituts für Krebsforschung der Meduni Wien.

KI ENTDECKT NEUE MARKER

Neben der Detektion bereits bekannter Muster und Marker eröffnet KI aber noch eine weitere Perspektive: Sie kann neue, bislang unbekannte Marker identifizieren. „Maschinelles Lernen hat das Potenzial, das Vokabular, mit dem wir Diagnose und Prognose durchführen, zu erweitern“, fasst es Langs in Worte. „Es ist das perfekte Werkzeug, um Anomalien zu nutzen, die einen prädiktiven Wert haben, also etwas über den Krankheitsverlauf aussagen können, die bisher aber noch nicht quantitativ greifbar waren.“

ANWENDUNG IN DER PATHOLOGIE

Während KI in der onkologischen Bildgebung in Österreich bereits praxistauglich ist, hinkt ihre Anwendung in anderen Bereichen wie etwa in der Pathologie hinterher, wo sie sich noch im Forschungsstadium befindet. Hier kann sie einen Beitrag bei der Klassifizierung und Charakterisierung von Tumoren leisten und den Ärzten letztlich zu einer rascheren Therapieentscheidung verhelfen.

Vor allem die Tumorsequenzierung, also die Entschlüsselung der DNA im Tumor, eröffnet einen vielversprechenden Anwendungsbereich: „Durch die Sequenzierung erhält man so viele Informationen, die man sowohl für die Vorhersage von Krankheitsverläufen als auch für personalisierte Medizin nutzen kann. Um diese Daten mit Daten aus der Bildgebung zusammenzuführen und in Big-Data-Analysen zu verarbeiten, braucht man KI“, erklärt Sibilia.

GROSSE DATENAUSWERTUNGEN WERDEN MÖGLIC

Ins selbe Horn stößt Langs: „Präzisionsmedizin ist nur unter Einsatz von KI möglich. Sie ist das notwendige Werkzeug, um aus der Komplexität der Daten nützliche Informationen zu gewinnen. Dabei gibt es zwei Ansätze: Beim ersten wende ich KI an und weiß, was ich vorhersagen will. Maschinelles Lernen kann hier Assoziationen zwischen Daten identifizieren und alle Informationen aus der Bildgebung, den Labors und zum Beispiel der Epigenetik zusammenführen, um sie in ein Vorhersagemodell einfließen zu lassen. Neben der unmittelbaren Vorhersage bietet das Modell auch eine Basis für Hypothesen zu den biologischen Mechanismen hinter einer Erkrankung. Sowohl Vorhersagemodell als auch Hypothesen müssen nichtsdestotrotz mithilfe einer neuen Patientenpopulation validiert werden. Beim zweiten Ansatz versuche ich, einen Patienten anhand der Merkmale, die in Bildern und klinischen Variablen identifiziert werden, einer Patientenkohorte zuzuordnen, für die bereits Krankheitsverläufe und Behandlungsergebnisse bekannt sind. Daraus kann man Rückschlüsse auf den Krankheitsverlauf oder Therapieerfolg bei einem individuellen Patienten ziehen, die auch über die Einteilung in etablierte diagnostische Kategorien hinausgehen.“

ZUGANG ZU INFORMATIONEN

In jedem Fall stellen hochwertige und strukturierte Daten sowie der Zugang zu diesen Daten notwendige Voraussetzungen für einen erfolgversprechenden Einsatz von KI in der Onkologie dar. In diesen Punkten gibt es hierzulande jedoch Aufholbedarf. „Viele wichtige Informationen, die über Krankheitsverläufe, Behandlung und Effekt aufgezeichnet werden und aus denen man lernen könnte, liegen nicht in strukturierter Form vor. Register werden hier eine große Rolle spielen, und die elektronische Gesundheitsakte Elga hat ebenfalls großes Potenzial, darf jedoch nicht für Forschungszwecke genutzt werden. Für Vorhersagemodelle ist aber die Diversität der Daten essenziell, um eine breite Population repräsentativ widerzuspiegeln und robuste Vorhersagemodelle auf Basis digitaler Daten, sogenannter digitaler Zwillinge, zu erstellen, die Einzelnen nutzen. Deswegen benötigt die Entwicklung von Algorithmen und Modellen Daten möglichst vieler Patienten. Die Validierung der Modelle vor ihrem Einsatz in der Klinik kann im Weiteren dann nur auf Daten durchgeführt werden, die nicht selbst für die Entwicklung benutzt worden sind – ein weiterer Grund, warum multizentrische Studien so wichtig sind. An der Meduni und am AKH Wien haben wir den Vorteil, dass wir mit der Forschung sehr nahe an der klinischen Realität sind und Studien mit Real-World-Daten durchführen können. Für die Entwicklung und Validierung zuverlässiger Algorithmen ist es aber unbedingt notwendig, die Daten aus mehreren Spitälern zusammenzuführen“, schildert Langs. Das jedoch sei nicht immer einfach. „Obwohl hier vieles besser geworden ist, stellt der Datenaustausch oft noch eine große Barriere in der Forschung dar. Er scheitert aber nicht an legistischen Hürden, und auch Prozesse wie die Prüfung von Studien durch Ethikkommissionen sind etabliert und sehr effizient. Was oft noch fehlt, ist ein Konsens über Best Practices des Datenaustauschs. Ein wichtiger Schritt für klinische Zentren ist, eine Policy zu entwickeln, wie Patientendaten genutzt werden sollen, um Behandlungsmöglichkeiten zu verbessern.“

„Daten aus zentralen Krebsregistern sind sehr wichtig für die onkologische Forschung. Das österreichische Krebsregister hat großen Aufholbedarf. Es gehört investiert, um die Daten zentral zu erfassen und zu steuern. Die skandinavischen Länder sind uns hier weit voraus“, so Sibilia.

DIGITALE PATIENTENAKTEN

Einen zentralen Austauschpunkt für onkologische Daten zumindest innerhalb der Bundeslandsgrenzen ermöglicht Niederösterreich mit dem Onkologie-Informations-System (OIS): Dieses dokumentiert über alle niederösterreichischen Kliniken hinweg Informationen zu Krebserkrankungen, Diagnosen und Therapien bis zur Nachsorge unter Einbeziehung von Forschungsdaten, klinischen Studienübersichten und gezielter, detaillierter Dokumentation der Zytostatika und Nebenmedikationen. „Wir dokumentieren den vollständigen klinischen Verlauf eines Krebspatienten von der Anfangsdiagnose bis zu Genesung oder Tod – unabhängig davon, in welchem Klinikum er die Diagnose erhält. Diese Informationen stehen den Spitalsärzten lückenlos zur Verfügung. Das OIS integriert das bundesweite Brustkrebsfrüherkennungsprogramm und alle in Niederösterreich stattfindenden onkologischen Zertifizierungen. Es ermöglicht komplexeste Auswertungen rund um das Tumorgeschehen. Allein 2020 wurden mehr als 190 Auswertungen für Mediziner getätigt“, erzählt Bernhard Jany, Sprecher der NÖ Landesgesundheitsagentur.

Auch Oberösterreich verfüge über einen solchen digitalen onkologischen Patientenakt, sagt Ansgar Weltermann, Leiter des Tumorzentrums Oberösterreich. Er sieht einen großen Nutzen der digitalisierten Daten für gemeinsame Forschungszwecke. Das Potenzial von KI im onkologischen Behandlungsalltag liegt laut Weltermann vor allem in der Bildgebung und der Datenauswertung molekulargenetischer Untersuchungen von Tumorgewebe. Auch Bestrahlungstechniken und Operationen würden durch den Einsatz von KI verbessert: „KI-unterstützte Berechnungen zur Strahlentherapie oder die KI-unterstützte Festlegung des optimalen operativen Zugangswegs zum Hirntumor können das umliegende gesunde Gewebe schonen und dadurch eine sanftere Behandlung ermöglichen“, so Weltermann. Skeptisch ist er dagegen beim Einsatz von KI in der Entscheidungsfindung: „Das Problem ist, dass der Arzt möglicherweise nicht nachvollziehen kann, warum ein KI-basierter Algorithmus eine bestimmte Therapieentscheidung trifft.“ Außerdem würden Therapieentscheidungen in der Onkologie derzeit auf Basis einer überschaubaren Zahl von Informationen getroffen, die Menschen „mindestens genauso gut beurteilen können wie KI“.

Dass KI in der Medizin den Menschen zur Gänze ersetzt, halten immer weniger Fachleute für wahrscheinlich: „Mittlerweile ist klar, dass das Verhältnis nur in einer Kooperation zwischen KI und den Experten bestehen kann“, sagt Langs.

Letzte Aktualisierung: 19.03.2021