Künstliche Intelligenz in der Onkologie – Was geschieht heute, und was erwartet uns in Zukunft?

Künstliche Intelligenz (KI) wird seit vielen Jahren in der Onkologie eingesetzt. Neuere Studien zeigen jedoch, dass KI zahlreiche zusätzliche Anwendungen für die Krebsdiagnostik und -behandlung ermöglichen könnte. In den letzten Jahren sind KI-Anwendungen in der Onkologie von einer vielversprechenden Zukunftsvision zur Realität geworden. Laufende Studien zeigen, dass KI die Krebsversorgung um viele weitere Einsatzmöglichkeiten erweitern könnte.

Die derzeit in der onkologischen Praxis eingesetzten KI-Anwendungen unterstützen vor allem die Krebsdiagnostik. Modelle des maschinellen Lernens und des Deep Learning werden eingesetzt, um die Genauigkeit und Effizienz der Krebsdiagnose zu verbessern.

Nachfolgend ist der Umfang der Begriffe „künstliche Intelligenz“, „maschinelles Lernen“ und „Deep Learning“ dargestellt.

Künstliche Intelligenz heute

Die US-amerikanische Arzneimittelbehörde (FDA) hat zahlreiche KI-Technologien für den Einsatz in der Onkologie zugelassen. Die auffälligsten Anwendungen finden sich in der Radiologie.

Laut einer Analyse aus dem Jahr 2021 werden zugelassene KI-gestützte Geräte für die Onkologie am häufigsten in der

• Radiologie (54,9%) und
• Pathologie (19,7%) eingesetzt. Dabei
• werden diese Geräte am häufigsten bei Brustkrebs (31%) verwendet.

Brustradiologen setzen KI zunehmend ein, um

• die Brustdichte zu bestimmen,
• die Qualität von Mammografien zu beurteilen,
• Mammografien nach niedrigem, mittlerem oder hohem Brustkrebsrisiko zu klassifizieren,
• Brustkrebs zu erkennen
• und außerdem Personen mit einem  Risiko für atherosklerotische Erkrankungen (Herz-Kreislauf-Gefäßverschlüsse) zu identifizieren.

KI kann außerdem zusätzliche Informationen dazu liefern, ob ein Befund im Brustultraschall Krebs darstellt.

KI hat sich auch bei der Früherkennung und Diagnostik von Darmkrebs als wirksam erwiesen. 2021 genehmigte die FDA die Vermarktung von GI Genius, dem ersten Gerät, das KI zur Erkennung von Läsionen während einer Koloskopie einsetzt.

Darüber hinaus wird KI in einigen Pathologielaboren eingesetzt, um digitale histopathologische Objektträger auszuwerten und Krebsdiagnosen zu präzisieren. Dies geschieht nach jahrelanger Forschung auf diesem Gebiet.

Die bisher genannten Anwendungen betrafen sämtlich die Bilderkennung. Inzwischen wird KI jedoch auch bei der Entwicklung neuer Krebsmedikamente eingesetzt.

Manche Pharmaunternehmen setzen KI ein, um in der Onkologie neue und sichere molekulare Zielstrukturen zu entdecken. Andere Unternehmen kombinieren KI teilweise mit molekularer Modellierung, um völlig neue potenzielle Wirkstoffmoleküle zu entwerfen. Die Zukunft der KI in der Wirkstoffentdeckung ist ausgesprochen vielversprechend.

KI wird außerdem eingesetzt, um die Effizienz der Strahlentherapieplanung zu steigern und Tumor- und Organkonturen festzulegen. Dadurch lässt sich die Behandlung beschleunigen und die Wirksamkeit sowie die Sicherheit der Strahlenabgabe verbessern.

Im Rahmen der unterstützenden oder palliativen Versorgung wird künstliche Intelligenz (KI) eingesetzt, um die von fernüberwachten Patienten selbst angegebenen Vitalzeichen auszuwerten. Mithilfe von Modellen zur Verarbeitung natürlicher Sprache (NLP) und des maschinellen Lernens (ML) lassen sich ungünstige gesundheitliche Entwicklungen frühzeitig erkennen und notwendige Warnungen rasch ausgeben. Diese Modelle können kritische Veränderungen des Gesundheitszustands automatisch erkennen und Informationen für ein schnelles Eingreifen liefern, wodurch sich die Versorgungsqualität der Patienten verbessern kann.

Künstliche Intelligenz in Zukunft

Zahlreiche laufende Forschungsprojekte untersuchen das Potenzial weiterer KI-Anwendungen in der Onkologie.

Die Brustbildgebung gilt als besonders geeignetes Gebiet für die KI-Forschung. Künftige Anwendungen könnten unabhängig von der Familiengeschichte oder in Verbindung mit ihr einen wichtigen Beitrag zur kurz- und langfristigen Bestimmung des Brustkrebsrisikos leisten und damit zu einem wichtigen Werkzeug werden.

Forscher untersuchen, inwieweit KI mithilfe von Aufnahmen des Bauchraums und langfristigen elektronischen Patientenakten Patienten mit hohem Risiko für Bauchspeicheldrüsenkrebs erkennen kann. Dies könnte eine frühzeitige Diagnose bei einer Erkrankung mit hoher Sterblichkeit ermöglichen und damit den Aufbau von Früherkennungsprogrammen für Menschen mit hohem Risiko erlauben.

KI könnte schließlich die molekularen Eigenschaften und Biomarker von Tumoren beurteilen. Dadurch könnten in manchen Fällen invasive Biopsien und das Warten auf deren Ergebnisse entfallen.

Dies könnte durch eine Blutentnahme oder mittels MRT (Magnetresonanztomografie) und Radiomik als eine ohne invasiven Eingriff durchgeführte „virtuelle Biopsie“ möglich werden. Beispielsweise könnte ein Deep-Learning-Modell eine MRT-Aufnahme des Gehirns analysieren und erkennen, ob ein Hirntumor eine bestimmte genetische Mutation wie IDH1 oder BRAF aufweist.

Eine neue Ära der künstlichen Intelligenz mit ChatGPT

Als neuer, großer Schritt zeichnen sich große Sprachmodelle wie ChatGPT als eine spannende Entwicklung mit Anwendungspotenzial in der Onkologie ab.

Studien zeigen, dass heutige ChatGPT-Modelle medizinische Fragen mit guter Genauigkeit beantworten können. Diese Ergebnisse müssen jedoch anhand hochwertiger, realer Datensätze systematischer überprüft werden.

Krankenhäuser und medizinische Zentren könnten bald Zugang zu großen Datenmengen erhalten, um hochwertige große Sprachmodelle (LLM) mit Informationen wie Laborergebnissen, Untersuchungsaufnahmen und früheren Krankengeschichten zu trainieren. Der mögliche Zugang zu Petabytes medizinisch-onkologischer Daten könnte KI-Anwendungen in der Onkologie erheblich voranbringen. Damit ließen sich wirksamere und stärker individualisierte KI-Modelle für die Krebsdiagnostik, -behandlung und -forschung entwickeln, was die Patientenversorgung und Behandlungsergebnisse verbessern könnte.

Beispiele für ChatGPT in der Onkologie

In einer früher in diesem Jahr veröffentlichten Studie stellten Haver und sein Team fest, dass ChatGPT Fragen zur Brustkrebsfrüherkennung und -prävention, die von Brustradiologen geprüft wurden, mit einer Genauigkeit von 88% beantwortete.

Zwei im August 2023 veröffentlichte Studien zeigten, dass Chatbots Fragen zu verschiedenen Krebsarten mit hoher Genauigkeit beantworten können, diese Technologie jedoch weiterhin Grenzen hat.

In einer dieser Studien bewerteten Pan und sein Team die Antworten von Chatbots auf die häufigsten Internetsuchanfragen zu Haut-, Darm-, Prostata-, Lungen- und Brustkrebs. Die Chatbots lieferten im Allgemeinen hochwertige Informationen. Diese ließen sich jedoch nicht immer in konkrete Handlungen umsetzen und waren auf dem Leseniveau eines Hochschulstudiums verfasst.

In der anderen Studie zeigten Chen und sein Team, dass die Antworten eines Chatbots zu Krebstherapien mit den Empfehlungen der Leitlinien des US-amerikanischen National Comprehensive Cancer Network (US-NCCN) nicht immer übereinstimmten. Bei 98% der Fragen zu Brust-, Prostata- und Lungenkrebs konnte der Chatbot mindestens einen Behandlungsvorschlag machen, und jede dieser Antworten enthielt mindestens eine mit dem US-NCCN übereinstimmende Empfehlung. Allerdings enthielten 34,3% der Antworten mindestens eine nicht übereinstimmende Empfehlung, und 12,5% waren „halluziniert“, gehörten also zu keiner empfohlenen Behandlung.

Ein weiteres Einsatzgebiet der KI ist die Vorhersage der Überlebenswahrscheinlichkeit von Krebspatienten mithilfe von Modellen zur Verarbeitung natürlicher Sprache. Nunez und sein Team dokumentierten, dass diese Modelle Überlebensergebnisse allein anhand der Angaben aus dem ersten onkologischen Beratungsgespräch eines Patienten vorhersagen können.

KI für den klinischen Einsatz optimieren

Fachleute betonen, dass zur Optimierung des Einsatzes künstlicher Intelligenz (KI) in der klinischen Onkologie mehrere Einschränkungen und Fragen berücksichtigt werden müssen.

Aus ethischer Sicht müssen KI-Modelle und KI-gestützte Medizinprodukte mit vielfältigen Datensätzen entwickelt werden. Beim Einsatz in der klinischen Praxis muss sichergestellt sein, dass sie die Patientengruppen, auf die sie angewendet werden, angemessen repräsentieren. Andernfalls können diese Modelle und Geräte Vorurteile und Ungleichheiten in der Gesundheitsversorgung verstärken.

Ein Hindernis für die Nutzung großer und vielfältiger Datensätze in der Forschung und Entwicklung (F&E) ist die Zurückhaltung medizinischer Zentren beim Datenaustausch.

Wir müssen Wege finden, den Datenaustausch zur Normalität werden zu lassen und ihn idealerweise mit Unterstützung der Patienten zu fördern. Alternativ müssen wir neue Trainingsalgorithmen entwickeln, um KI-Modelle lokal zu trainieren, die Modelle verschiedener Zentren zusammenzuführen und anschließend die Genauigkeit der zusammengeführten Modelle zu überprüfen.

Trotz all dieser Fortschritte müssen zahlreiche vorhandene Modelle unbedingt in der klinischen Praxis bewertet werden.

Ein KI-Modell, das im Regal steht, ist lediglich ein Modell. In der tatsächlichen Onkologie muss KI ein Modell sein, das in der klinischen Versorgung eingesetzt wird, Ärzten einen Nutzen bietet und die Ergebnisse für Patienten und das Gesundheitssystem verbessert. Die Nutzbarkeit, Akzeptanz und Sicherheit dieser Modelle müssen bestimmt werden. Um ihre Auswirkungen zu verstehen, sind fortlaufende Bewertungen erforderlich.

Der Einführung von KI-Modellen im klinischen Umfeld stehen derzeit Umsetzungsprobleme entgegen. Dazu gehören

• Schwierigkeiten bei der Integration von KI-Modellen in die Software elektronischer Patientenakten,
• das Fehlen intuitiver Benutzeroberflächen bei vielen KI-Modellen und
• hohe Kosten beim Training einiger neuerer Modelle.