Erfahren Sie alles über die Vision, Mission sowie die Menschen, die die CompuGroup Medical weltweit prägen.
Diese Seite ist nicht mit dem Internet Explorer kompatibel.
Aus Sicherheitsgründen empfehlen wir Ihnen, einen aktuellen Browser zu verwenden, z. B. Microsoft Edge, Google Chrome, Safari oder Mozilla Firefox.
KI kann wirkungslose Therapien vorhersagen
Bei rheumatischen Erkrankungen haben sich immer mehr Biotech-Medikamente, vor allem monoklonale Antikörper, als hochwirksam erwiesen. Doch bisher fehlt es an Verfahren, um die Wirksamkeit bzw. Unwirksamkeit dieser Therapien für einzelne Patienten vorherzusagen. Österreichische und deutsche Wissenschaftler haben dafür jetzt dafür per Maschinenlernen Modelle entwickelt, die bereits relativ genau sind.
"Die Unwirksamkeit von Biotech-Medikamenten konnte mit vielversprechender Genauigkeit vorhergesagt werden", schrieben vor kurzem Dubravka Ukalovic vom deutschen Medizintechnikkonzern Siemens Healthcare (Forchheim) und die Co-Autoren von zahlreichen Rheumatologie-Behandlungseinrichtungen in der Fachzeitschrift "Arthritis Research & Therapy" (doi: 10.1186/s13075-024-03277-x).
Die Wissenschaftler benutzten die Informationen von 1.397 Patientinnen und Patienten mit chronischer Polyarthritis (rheumatoide Arthritis, "Gelenksrheuma") aus der österreichischen BIOREG-Datenbank über die Behandlung von Rheuma-Kranken mit Biotech-Medikamenten. Die Daten betrafen fünf verschiedene dieser Arzneimittel (Abatacept, Adalimumab, Certolizumab, Etanercept und Tocilizumab) aus jeweils zumindest hundert Behandlungsversuchen nach dem Prinzip einer Therapie bis zum Erreichen eines gesetzten Ziels (Treat-to-Target). Bei der chronischen Polyarthritis ist das die Absenz aller Krankheitszeichen oder zumindest eine ganz geringe Krankheitsaktivität. Das soll die irreparable Zerstörung betroffener Gelenke im Rahmen der chronischen Erkrankung verhindern.
Eine derart wirksame Therapie wurde erst mit den neuen Biotech-Medikamenten aus den vergangenen 20 Jahren möglich, welche die wichtigsten Entzündungsbotenstoffe des Immunsystems blockieren, die an der rheumatoiden Arthritis beteiligt sind. Im Rahmen der Studie verwendeten die Wissenschaftler 19 Variablen und schufen mit Künstlicher Intelligenz und Maschinenlernen ein System, das die Behandlungsergebnisse vorhersagen kann.
Das Ergebnis: Das gelang mithilfe der Software schließlich mit einem AUROC-Score (Grenzwertoptimierungskurve) für die einzelnen verwendeten Medikamente zwischen 0,66 (Beispiel Adalimumab) und 0,84 (Beispiel Certolizumab).
Ein AUROC-Wert von 1,0 würde höchste Genauigkeit ausdrücken, doch hundertprozentig ist in der Medizin nichts. Insgesamt, so die Autoren, zeigten sich je nach Patient sehr komplexe individuelle Einflussfaktoren.
Die könne man mit AI-Systemen, die automatisch ihre Leistung verbessern, entschlüsseln. Die Biotech-Medikamente sind auch ein Kostenfaktor in der Rheumatologie. Deshalb sind Prognoseparameter bzw. Prognosemodelle für Therapien auch in dieser Hinsicht wichtig.
