CompuGroup Medical
Synchronizing Healthcare

Erfahren Sie alles über die Vision, Mission sowie die Menschen, die die CompuGroup Medical weltweit prägen. 

Investor Relations
Eine Person tippt mit dem Finger auf ein Tablet-PC mit einer Investor-Relations-Präsentation
Karriere
Eine junge Frau telefoniert mit ihrem Smartphone, während sie einen Tablet-PC hält
CGM Global
Mehrere CGM-Flaggen

Künstliche Intelligenz könnte Krebs­diagnostik revolutionieren

6. Juli 2019 | APAMED
3d-gerenderte Computermodelle von menschlichem Kopf
3d-gerenderte Computermodelle von menschlichem Kopf

Künstliche Intelligenz könnte die patho­logische Diagnostik revolutio­nieren und Medi­zinern helfen, die indi­viduell beste Therapie für ihre Patienten zu wählen. Das zeigt eine neue Studie zur Ver­wendung künstlicher Intelli­genz bei der Dick­darmkrebs-Diagnostik.

Mediziner entscheiden meist anhand des Aus­sehens von Gewebe­schnitten, welche Strategie sie zur Behand­lung eines Krebs­patienten verfolgen. Wie groß ist der Tumor? Wie weit reicht er ins Gewebe? So einige der Merkmale, die Patho­logen bewerten, wenn sie speziell gefärbte Tumor­gewebe­proben unter dem Mikroskop analysieren. "Das Problem ist, dass diese Methode nicht immer gut mit der Prognose des Patienten korreliert", erklärte Viktor Kölzer vom Universi­täts­spital Zürich, der mit Kollegen eines inter­natio­nalen Konsor­tiums die Studie durchführte.

 

Kosten limitieren Einsatz von RNA-Sequenzierung

Eine Untersuchung zur Bestimmung des bio­logischen Ver­haltens eines Tumors ist die soge­nannte RNA-Sequen­zierung, die eine Art Finger­abdruck über die Gen­aktivität im Tumor liefert und hilft, ihn exakt zu klassi­fizieren. Dafür braucht es aller­dings zusätz­liches Gewebe­material, die ent­sprechende Infra­struktur und pro Probe etwa 1.000 Franken - also rund 900 Euro. "Der Einsatz dieser Methode wird durch den Aufwand und die Kosten stark limitiert", so Kölzer im Gespräch mit der Nachrichten­agentur Keystone-SDA. Obwohl das RNA-Profil bei vielen Patienten eine exaktere Klassi­fizierung des Tumors ermöglicht und damit die Wahl der indi­viduell besten Therapie unter­stützen könnte.

 

Digitalisierungspotenzial der Pathologie

Mit ihrer Studie, die sie als noch unbegut­achtetes Online-Manuskript ("Preprint") ver­öffent­licht haben, zeigten Kölzer und Kollegen das Potenzial auf, das in der Digi­tali­sierung der Patho­logie steckt. Sie trainierten einen lernen­den Algo­rithmus mit einem Daten­satz aus Gewebe­schnitt-Bildern von Dick­darm­tumoren, den dazu­gehörigen RNA-Sequen­zierungs­daten und Daten über die Krank­heits­verläufe. Anschließend ließen sie den Algo­rithmus einen Satz aus Gewebe­bildern analy­sieren, zu denen RNA-Profil und Krank­heits­verlauf zwar bekannt waren, dem Programm jedoch nicht vorlagen.

Der Algorithmus traf mit seiner Klassi­fizierung in den aller­meisten Fällen ins Schwarze: Bei einer statis­tischen Analyse der Quote, mit der das Programm den Tumor falsch diagnos­tizierte - beispiels­weise ein aggres­sives Geschwür unter­schätzte oder ein relativ harm­loses über­bewertete - schnitt der Test laut Kölzer sogar besser ab als manch anderer etablierter Test. "Vereinfacht ausgedrückt könnte man sagen, dass der Algorithmus einen Tumor anhand des Gewebe­bilds mit einer Wahrschein­lichkeit von knapp 90 Prozent richtig klassifiziert."

Da es sich beim Fachartikel um einen "Preprint" handelt, fehlt bisher noch die Begut­achtung durch unab­hängige Experten. Sollte sich die Methode bewähren, könnten Patienten massiv davon profitieren.

Wenn man mit diesem Ansatz eine exaktere patho­logische Diagnos­tik für alle Patienten zugänglich machen könnte, ließen sich intensive Behand­lungen dort einsetzen, wo sie wirklich nötig sind, und intensive Therapien mit Neben­wirkungen und möglichen Folge­schäden vermeiden, wo sie nicht nötig sind. Dadurch ließen sich auch Behand­lungs­kosten deutlich reduzieren, zeigte sich Kölzer überzeugt.

Impressum