idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
In einem neuen Übersichtsartikel beleuchten Professor Jakob N. Kather und sein Team am Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit, in Zusammenarbeit mit weiteren Forschenden, wie künstliche Intelligenz (KI) künftig Entscheidungen in der Krebsbehandlung unterstützen kann. Der in der Fachzeitschrift Trends in Cancer veröffentlichte Artikel behandelt die wachsende Komplexität von Behandlungsmöglichkeiten für solide Tumore sowie den ungleichen Zugang zu personalisierter Medizin. Die Forschenden sehen großes Potenzial in KI-basierten Biomarkern.
Diese können aus routinemäßig erhobenen medizinischen Bildern und elektronischen Gesundheitsakten gewonnen werden. Sie bieten eine kostengünstige Möglichkeit, bei der Auswahl der passenden Krebstherapie zu unterstützen und das medizinische Personal zu entlasten. Die Behandlungsmöglichkeiten für solide Tumore sind zunehmend komplexer geworden. Das macht es für Ärztinnen und Ärzte schwieriger, die optimale Therapie für Patientinnen und Patienten auszuwählen. Darüber hinaus schränken die hohen Kosten, die mit personalisierten Therapien verbunden sind, deren breite Verfügbarkeit oft ein. KI-basierte Biomarker stellen eine vielversprechende Lösung dar.
„KI-Methoden – wie Deep Learning und große Sprachmodelle – können helfen, Biomarker aus medizinischen Routinedaten wie Pathologie- und Radiologiebildern sowie klinischen Berichten zu identifizieren, etwa um vorherzusagen, auf welche bestimmte Therapie Patientinnen und Patienten wahrscheinlich ansprechen werden. Die Anwendung von KI-basierten Biomarkern bietet einen kosteneffizienten Ansatz zur Unterstützung von Behandlungsentscheidungen und den Zugang zu personalisierter Medizin“, sagt Dr. Marta Ligero, Erstautorin der Veröffentlichung und Wissenschaftlerin in der Forschungsgruppe von Professor Kather am EKFZ für Digitale Gesundheit in Dresden.
Verbesserte Entscheidungen in der Krebstherapie durch KI-basierte Anwendungen
KI-Modelle bieten zahlreiche Möglichkeiten, die Krebsbehandlung für Patientinnen und Patienten zu verbessern. Sie können klinische Aufgaben automatisieren, die bislang manuelle Eingaben von Ärztinnen und Ärzten erfordern. Ein Beispiel ist die Klassifizierung von histopathologischen Krebsarten direkt aus medizinischen Bildern. Diese Automatisierung kann schnellere Behandlungsentscheidungen unterstützen und somit die Arbeitsbelastung des medizinischen Personals verringern. Eine weitere wichtige Anwendung ist die Vorhersage molekularer Biomarker aus routinemäßig erhobenen medizinischen Bilddaten. Dies könnte dazu beitragen, Herausforderungen moderner Sequenzierungstechnologien wie hohe Kosten, benötigtes Fachwissen und lange Bearbeitungszeiten – zu überwinden und personalisierte Therapien mehr Menschen zugänglich zu machen. KI-basierte Tools können auch dabei helfen, geeignete klinische Studien für Patientinnen und Patienten zu identifizieren und dadurch die Arbeitsbelastung multidisziplinärer Teams zu verringern. KI-Lösungen können durch die Identifizierung neuer Muster in klinischen Daten neue klinische und molekulare Merkmale entdecken. Dieses Wissen ermöglicht präzisere Einschätzungen darüber, welche Therapie individuell am besten geeignet ist.
Aktuelle Herausforderungen und erforderliche Schritte für die Anwendung in der Praxis
Trotz ihres Potenzials müssen KI-gestützte Methoden noch mehrere Herausforderungen überwinden, bevor sie routinemäßig in der Klinik eingesetzt werden können. Zunächst müssen KI-basierte Biomarker durch groß angelegte Studien sorgfältig evaluiert werden. Darüber hinaus betonen die Forschenden die Notwendigkeit klarer regulatorischer Richtlinien, um die Entwicklung und Zulassung KI-basierter Lösungen zu ermöglichen. Wirtschaftliche Machbarkeitsstudien und algorithmische Fairness sind notwendig, um eine gerechte Umsetzung von KI-basierten Biomarkern zu gewährleisten.
„KI-basierte Biomarker werden innerhalb des nächsten Jahrzehnts einen erheblichen Anteil aller Biomarker in der Präzisionsonkologie ausmachen. Da die Entscheidungsmöglichkeiten für die Behandlung immer komplexer werden, wird der Bedarf an zusätzlichen Biomarkern weiter steigen. Ihr sicherer Einsatz in der klinischen Praxis erfordert geeignete rechtliche und regulatorische Rahmenbedingungen“, erklärt Prof. Dr. med. Jakob N. Kather, Professor für Klinische Künstliche Intelligenz an der TU Dresden und Onkologe am Dresdner Universitätsklinikum Carl Gustav Carus. „Darüber hinaus wird es für Ärztinnen und Ärzte sowie Forschende wichtig sein, KI-Kenntnisse und ein grundlegendes Verständnis von KI-Methoden zu entwickeln, um diese Biomarker effektiv bewerten und anwenden zu können, sobald sie in größerem Umfang verfügbar sind", fügt er hinzu.
Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit
Das EKFZ für Digitale Gesundheit an der TU Dresden und dem Universitätsklinikum Carl Gustav Carus Dresden wurde im September 2019 gegründet. Es wird mit einer Fördersumme von 40 Millionen Euro für eine Laufzeit von zehn Jahren von der Else Kröner-Fresenius-Stiftung gefördert. Das Zentrum konzentriert seine Forschungsaktivitäten auf innovative, medizinische und digitale Technologien an der direkten Schnittstelle zu den Patientinnen und Patienten. Das Ziel ist dabei, das Potenzial der Digitalisierung in der Medizin voll auszuschöpfen, um die Gesundheitsversorgung, die medizinische Forschung und die klinische Praxis deutlich und nachhaltig zu verbessern.
EKFZ für Digitale Gesundheit
Anja Stübner und Dr. Viktoria Bosak
Presse- und Öffentlichkeitsarbeit
Tel.: +49 351 – 458 11379
news.ekfz@tu-dresden.de
digitalhealth.tu-dresden.de
Marta Ligero, Omar S. M. El Nahhas, Mihaela Aldea, Jakob N. Kather: Artificial Intelligence-based Biomarkers for Treatment Decisions in Oncology. Trends in Cancer, 2025.
doi: https://doi.org/10.1016/j.trecan.2024.12.001
Merkmale dieser Pressemitteilung:
Journalisten
Ernährung / Gesundheit / Pflege, Medizin
überregional
Buntes aus der Wissenschaft, Wissenschaftliche Publikationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
