Eine neue Ära in der Diagnose von HER2-low-Brustkrebs mit Unterstützung durch künstliche Intelligenz

Bei Brustkrebs spielt das Expressionsniveau des HER2-Proteins eine entscheidende Rolle dafür, welche zielgerichteten Behandlungen für Patienten infrage kommen. Viele früher als „HER2-negativ“ eingestufte Patienten wiesen tatsächlich eine niedrige oder ultraniedrige HER2-Expression auf. Das deutet darauf hin, dass sie potenziell von in den letzten Jahren entwickelten Antikörper-Wirkstoff-Konjugaten wie Enhertu profitieren könnten. Mit herkömmlichen pathologischen Methoden lassen sich diese Unterschiede jedoch nicht immer erkennen.

Auf der ASCO-Jahrestagung 2025 wurde als Beitrag Nr. 1014 eine neue internationale multizentrische Studie vorgestellt. Ihr zufolge verbessert die Unterstützung durch künstliche Intelligenz (KI) die Genauigkeit der HER2-Klassifikation deutlich. Besonders bei der korrekten Einordnung als HER2-low und HER2-ultralow macht KI einen entscheidenden Unterschied.

Die Studie im Überblick: Eine neue Ära der Diagnostik

Die Studie mit 105 Pathologen aus 10 Ländern wurde über die digitale Schulungsplattform ComPath Academy durchgeführt. Bei der HER2-immunhistochemischen Bewertung (IHC) verwendeten die Teilnehmer neben der ASCO/CAP-Leitlinie von 2023 auch die Unterkategorien „HER2-ultralow“ (IHC 0 mit Membranfärbung) und „HER2-null“ (IHC 0 ohne Membranfärbung), um 20 digitale Brustkrebsfälle zu beurteilen.

Das eingesetzte KI-System: ComPath Academy und die Mindpeak-Infrastruktur

Die in dieser Studie verwendete KI-Infrastruktur wurde in eine von der in Deutschland ansässigen Mindpeak GmbH entwickelte und speziell für die Schulung in digitaler Pathologie konzipierte Plattform namens ComPath Academy integriert. Die Plattform ist auf fallbezogene Entscheidungsunterstützung für Pathologen ausgerichtet und sollte die Genauigkeit der HER2-IHC-Bewertung bei Brustkrebsfällen verbessern.

Obwohl die technische Bezeichnung des in der Studie verwendeten Algorithmus (beispielsweise CNN oder Transformer) nicht ausdrücklich genannt wurde, lassen sich aus dem Studienaufbau folgende technologische Eigenschaften ableiten:

• Ein auf Bildklassifikation beruhender Algorithmus des maschinellen Lernens wurde eingesetzt.

• Das Modell wurde durch eine Analyse auf Tumorzellebene darauf trainiert, die Membranfärbung einzelner Zellen zu erkennen.

• Der Schwerpunkt lag insbesondere auf der Unterscheidung von Grenzkategorien wie IHC 0, HER2-low  und HER2-ultralow .

• Bei den KI-Ausgaben wurde Erklärbarkeit (Explainability) sichergestellt. Dies deutet darauf hin, dass das Entscheidungsunterstützungssystem höchstwahrscheinlich integrierte Visualisierungsebenen wie Heatmaps oder Attention Maps enthält.

Mindpeak GmbH ist ein führendes Unternehmen für KI-Anwendungen in der digitalen Pathologie. Es entwickelt auf Deep Learning beruhende Lösungen, die vor allem bei Brustkrebs, aber auch bei Lungen- und Prostatakrebs die IHC-Bewertung automatisieren . Diese Algorithmen basieren überwiegend auf faltenden neuronalen Netzen (CNN) .

Zusammenfassend handelt es sich bei dem in dieser Studie eingesetzten KI-System um eine CNN-basierte Bildanalysesoftware, die speziell für die HER2-immunhistochemische Bewertung (IHC) trainiert wurde. Durch die Integration in eine digitale Schulungsplattform verbesserte sie sowohl die diagnostische Genauigkeit als auch die Übereinstimmung zwischen Pathologen.

🔍 Was veränderte die KI-Unterstützung?

• In den ersten beiden Beurteilungen betrug die Genauigkeit ohne KI-Unterstützung : 89,1%

• Bei der dritten Beurteilung betrug die Genauigkeit mit KI-Unterstützung : 96,1%

• Übereinstimmungskoeffizient zwischen Pathologen (Konkordanz):

  • Ohne KI: 0,506

  • Mit KI: 0,798

• Anteil korrekter Klassifikationen nach klinischer Kategorie:

  • Ohne KI: 90,1%

  • Mit KI: 95,0%

• Fälschliche Einstufung von HER2-low- oder HER2-ultralow-Fällen als HER2-null:

  • Durch KI um 24,4% verringert

Diese Zahlen zeigen, dass KI nicht nur die diagnostische Qualität verbessert, sondern auch Diagnosefehler deutlich reduziert, die für den Zugang zu einer Behandlung entscheidend sind.

Warum ist das so wichtig?

Brustkrebs mit niedriger HER2-Expression eröffnet Tausenden Patienten, die zuvor keine entsprechende Behandlungsmöglichkeit hatten, den Zugang zu vielversprechenden neuen Therapien. Dieses Potenzial lässt sich jedoch nur mit einer korrekten Diagnose ausschöpfen.

Etwa 65% der als HER2-negativ bezeichneten Tumoren weisen tatsächlich eine gewisse HER2-Expression auf und werden inzwischen als HER2-low oder HER2-ultralow eingestuft. Diese Patienten können von HER2-gerichteten Arzneimitteln profitieren; dafür ist jedoch eine korrekte Diagnose erforderlich. Die Studie zeigt erstmals anhand multizentrischer Daten, dass KI diese diagnostische Lücke schließen kann.

Kommentar

Eine genaue HER2-Bewertung ermöglicht Patienten die bestmögliche Behandlung. Diese Studie zeigt, dass ein KI-gestützter Ansatz nicht nur die diagnostische Genauigkeit verbessert, sondern auch in Situationen hilfreich ist, die Therapieentscheidungen unmittelbar beeinflussen. KI soll Ärzte nicht ersetzen, sondern uns dabei helfen, intelligenter und schneller zu arbeiten und eine hochwertige, personalisierte Versorgung anzubieten.

Fazit: Mit künstlicher Intelligenz mehr Hoffnung für Frauen

Diese Studie verdeutlicht erneut, wie komplex die HER2-Bestimmung bei Brustkrebs und wie entscheidend sie für Therapieentscheidungen ist. KI entwickelt sich zu einem unterstützenden Instrument, das nicht nur Zeit, sondern auch Leben rettet. Wie jede neue Technologie bietet sie bei richtiger Anwendung konkrete Vorteile für den klinischen Alltag.

Die Zukunft der Brustkrebsbehandlung entwickelt sich zu einer Welt, in der nicht mehr nur Zellen, sondern auch Daten unter dem Mikroskop liegen. Mit KI-gestützten Diagnosesystemen könnten mehr Patienten zur richtigen Zeit die richtige Behandlung erhalten.