Künstliche Intelligenz (KI) treibt die digitale Onkologie rasant voran. Digitale Biomarkertests können Ärzten dabei helfen, fundierte und personalisierte Entscheidungen bei der Krebsbehandlung zu treffen. Allerdings gibt es im Jahr 2023 noch wenige solcher Produkte auf dem Markt, die ausgereift und in großem Maßstab eingesetzt wurden.

Ein Konsensbericht, an dem 24 Experten mit Erfahrung aus erster Hand in der Computerpathologie/Pathologie-KI (CPath/AI) beteiligt sind, besagt, dass KI die diagnostische Genauigkeit verbessern und die täglichen Aufgaben von Pathologietechnikern erheblich verändern wird. Bis 2030 wird KI routinemäßig und effektiv in Pathologielaboren eingesetzt.

Zwei unabhängige Studien, die kürzlich in eBiomedicine und The Lancet Digital Health, einer Tochterzeitschrift von The Lancet, veröffentlicht wurden, untersuchten jeweils Folgendes: die prognostische Bedeutung eines auf Deep Learning basierenden Bewertungssystems für tumorinfiltrierende Lymphozyten (TILs, die als Medikamentenziel für die Krebsbehandlung verwendet werden können) in verschiedenen Stadien von Melanomen (einem Hautkrebs); und der Wert des Einsatzes von KI als unabhängiges Lesegerät im Mammographie-Workflow.

Zwei Studien zu verschiedenen Krebsarten

Die erste Studie wurde gemeinsam von Forschern der Abteilung für Dermatologie der Universität Tübingen in Deutschland, der Abteilung für Dermatologie der Universität Heidelberg in Deutschland und der Abteilung für Pathologie der Yale University School of Medicine in den Vereinigten Staaten durchgeführt. In der Studie verwendeten die Forscher den Deep-Learning-Algorithmus NN192, einen Algorithmus, der für das Standard- und digitale TILs-Bewertungssystem „eTILs“ entwickelt wurde, um 321 primäre Melanome und 191 metastatische Proben zu analysieren.

Die Forscher fanden heraus, dass Melanompatienten mit niedrigen eTILs-Werten ein mehr als doppelt so hohes Risiko hatten, Fernmetastasen aus ihrem Krebsgewebe zu entwickeln, als Patienten mit hohen eTILs-Werten. Gleichzeitig sanken die eTILs-Scores zwischen primären Melanom- und Metastasenproben. Patienten mit einem eTIL-Wert von ≤ 12,2 %, die zusätzlich eine Anti-PD-1-Immuntherapie erhielten, hatten schlechte Überlebensergebnisse. Dies zeigt, dass eTILs prädiktiv für primäre Melanomproben sind und dass eTILs das Ansprechen und die Überlebensergebnisse bei Patienten vorhersagen können, die eine PD-1-Therapie erhalten.

In diesem Zusammenhang sagte Roberto Salgado, Co-Vorsitzender der International Immuno-Oncology Biomarker Working Group, dass die genaue Quantifizierung von Immunzellen prognostische und prädiktive Informationen beinhaltet und für klinische Wege und maßgeschneiderte Behandlungspläne wichtig ist. Darüber hinaus sind die Ergebnisse der Computerbewertung viel genauer als die manuelle Bewertung.

Die zweite Studie wurde von Karin Dembrower und ihrem Team in der Abteilung für Onkologische Pathologie des Karolinska-Instituts und des Capio Sankt Göran Krankenhauses in Schweden durchgeführt.

An dieser Studie nahm das Forschungsteam 55.581 Frauen im Alter von 40 bis 74 Jahren mit ungefüllten Brustimplantaten teil, basierend auf einem regelmäßigen Brustkrebs-Screening im Capio Sankt Göran Krankenhaus vom 1. April 2021 bis 9. Juni 2022. Die Studie orientierte sich an den schwedischen nationalen Richtlinien für das Formatammographie-Screening, bei dem zwei Radiologen unabhängig voneinander die Mammographie jeder Teilnehmerin beurteilten und im Falle eines abnormalen Messwerts bei einer von ihnen eine Konsensdiskussion stattfand um zu entscheiden, ob mit der weiteren Bildgebung fortgefahren werden soll. Wenn bei weiteren Tests immer noch der Verdacht besteht, dass der Patient an Krebs leidet, wird eine Biopsieprobe entnommen, die von einem Pathologen analysiert und eine eindeutige Diagnose gestellt wird.

In der Studie lief InsightMMG (ein KI-System) als unabhängiges Lesegerät im Hintergrund, während zwei Radiologen die Bilder lasen. Radiologen konnten vor der Konsensdiskussion nicht auf InsightMMG-Informationen zugreifen, während derer Radiologen für alle Fälle Zugriff auf InsightMMG-Informationen hatten, einschließlich lokaler Bildbefunde, grafischer Konturen und entsprechender KI-Anomaliewerte.

Das Forschungsteam führte vier Ablesestrategien durch und untersuchte die tatsächlichen Diagnoseergebnisse der doppelten Ablesung durch zwei Radiologen (Standardsituation), der doppelten Ablesung durch einen Radiologen und das KI-System, der einzelnen Ablesung durch das KI-System und der dritten Ablesung durch zwei Radiologen und das KI-System. Die Ergebnisse zeigten, dass im Vergleich zur Standardsituation die Krebserkennungsrate bei Doppelbefundung durch einen Radiologen und das KI-System um 4 % stieg und die Erinnerungsrate um 4 % sank; Die Krebserkennungsrate bei Einzelmessung durch das KI-System wies keinen signifikanten Unterschied auf und die Erinnerungsrate sank um 47 %; Die Krebserkennungsrate durch zwei Radiologen und das KI-System für die dritte Befundung stiegen leicht an, die Erinnerungsrate stieg um 5 % und die Konsensdiskussionen stiegen um fast 50 %.

Das Forschungsteam sagte, dass KI-Systeme und Menschen beim Lesen von Bildern bestimmte unterschiedliche Bildmerkmale als krebsverdächtig betrachten werden, sodass die Synergie von Menschen und KI-Systemen die Erkennungsrate von Brustkrebs in Mammographien verbessern kann. Durch die einmalige Messung des KI-Systems wird die psychische Belastung der Teilnehmer durch Mehrfachuntersuchungen minimiert, es bedeutet jedoch, dass ein großer Teil der Mammographien nie von einem Arzt ausgewertet wird. Zwei Radiologen und die dritte Lesung des KI-Systems können Krebs im größtmöglichen Umfang erkennen, dies muss jedoch gegen Probleme wie erhöhte Erkennungskosten und einen Mangel an Radiologen abgewogen werden.

Der Markt muss sich noch weiterentwickeln

Roberto Salgado sagte, dass digitale Biomarkertests Ärzten dabei helfen können, fundierte und personalisierte Entscheidungen bei der Krebsbehandlung zu treffen. Allerdings gibt es im Jahr 2023 noch wenige solcher Produkte auf dem Markt, die ausgereift und in großem Maßstab eingesetzt wurden.

Am 7. September Ortszeit kündigte Paige.AI, ein amerikanischer Entwickler von Krebsdiagnosetechnologien, an, mit dem amerikanischen Technologieunternehmen Microsoft (Microsoft) zusammenzuarbeiten, um das weltweit größte bildbasierte KI-Modell zu entwickeln und es auf die Entwicklung der digitalen Pathologie und Onkologie anzuwenden.

Zufälligerweise entwickelten das amerikanische Technologieunternehmen Dell (DELL) und das Digital Cancer Research Centre der University of Limerick in Irland am 11. September Ortszeit gemeinsam eine KI-Plattform und digitale Zwillingstechnologie, um die Vorhersage- und Diagnoseforschung für B-Zell-Lymphome zu fördern.

„Das ist ein sehr spannender Start und wir freuen uns auf die digitale Unterstützung des Dell Technologies-Teams, um dieses Projekt zu beschleunigen.“ Paul Murray, Professor für Molekulare Pathologie an der University of Limerick und wissenschaftlicher Leiter der Digital Pathology Unit des Digital Cancer Research Center, sagte: „Durch die Zusammenarbeit mit dem Team von Dell Technologies werden wir in der Lage sein, besser zu verstehen, wie Zellen während der Krebsentstehung fehlschlagen, und neue Wege zur Diagnose und Behandlung von Krebspatienten zu finden.“