Künstliche Intelligenz (KI)

Sie hilft bei der Beurteilung von Röntgen- und MRT-Bildern, beim Schreiben von Arztbriefen und bei der Auswertung von Messdaten in der Forschung – die künstliche Intelligenz, kurz KI, ist in der klinischen Praxis und in der biomedizinischen Forschung zu einem hilfreichen und mächtigen Instrument geworden. So mächtig, dass Hochschulen und Forschungsorganisationen Empfehlungen und Leitlinien zu ihrer Nutzung in der Wissenschaft formulieren.

In einer Veröffentlichung im Fachjournal „Nature Cancer“ (1) erläutern Forschende des Else Kröner Fresenius Zentrums (EKFZ) für Digitale Gesundheit an der TU Dresden sowie des Unternehmens Genentech, wie autonome Modelle der künstlichen Intelligenz künftig die Arbeitsprozesse in der Krebsforschung und anderen Bereichen verändern könnten.

Die Strahlentherapie ist eine Säule in der Behandlung verschiedener Krebsarten und bietet vielen Patient:innen eine Chance auf Heilung (1). Obgleich sehr wirksam, können (meist milde) Nebenwirkungen auftreten, die eine unterstützende Supportivtherapie erfordern: Dies gilt im Bereich der Uroonkologie vor allem bei Bestrahlungen im Bereich des (kleinen) Beckens (Prostata, Blase, Rektum, Anus, Zervix, Uterus). Aufgrund der durchaus hohen erforderlichen Gesamtdosen für diese Tumorentitäten kommen radiogene Nebenwirkungen des Urogenitaltraktes häufig vor, mit möglicher Beeinträchtigung der Harn- und/oder Geschlechtsfunktion. Bei einer stets wachsenden Zahl an Langzeit­überlebenden ist das Verständnis der akuten wie auch späten radiogenen Nebenwirkungen auf diese Strukturen von wesentlicher Bedeutung.

Auch wenn der Hype um große Sprachmodelle (Large Language Models, LLMs) wie ChatGPT in der breiten Öffentlichkeit etwas abgeklungen ist, gilt dies nicht für die medizinische Fachwelt. Die GPT (Generative Pretrained Transformer) innewohnende Transformer-Technik ermöglicht in der Onkologie bisher unerreichte und automatisierte Anwendungen, wie die Erstellung von Arztbriefen, medizinische Kodierung, Suche nach passenden Studien für bestimmte Patient:innen oder Hilfe bei Diagnose- und Therapieentscheidungen. Dabei muss jedoch der Schutz von Patientendaten sichergestellt werden. Weiter sind in der Regel Anpassungen an aktuelles onkologisches Wissen notwendig. Hier einige Beispiele, wie KünstIiche Intelligenz (KI) in Form von LLMs in die Onkologie Einzug halten kann.

Die Jahrestagung der Deutschen, Österreichischen und Schweizerischen Gesellschaften für Hämatologie und Medizinische Onkologie (DGHO), die vom 11. bis 14. Oktober 2024 stattfand, zählt zu den bedeutendsten Kongressen im deutschsprachigen Raum für Hämatologie und Onkologie. Mit 737 eingereichten wissenschaftlichen Beiträgen und 1.300 Präsentationen, darunter Vorträge und Posterdiskussionen, bot der Kongress ein umfassendes Programm, das aktuelle Forschungsergebnisse und praxisrelevante Fortbildungen vereint (1).

Künstliche Intelligenz (KI) hat die medizinische Bildinterpretation revolutioniert und bietet verbesserte Genauigkeit, ­Effizienz und Konsistenz. Das betrifft die Onkologie und Hämatologie in 2 wichtigen Bereichen. So unterstützen ­KI-Algorithmen die Analyse von Computertomographie- (CT), Magnetresonanztomographie- (MRT) und anderen ­Bildgebungsmodalitäten, die zur Früherkennung, Krebsdiagnose und -monitoring sowie weiteren Aufgaben eingesetzt werden. Auch in der ­Radioonkologie hat sich KI als leistungsfähiges Werkzeug erwiesen, das Verbesserungen bei der Behandlungsplanung, -durchführung und -überwachung bietet.

Der Spitzenverband Digitale Gesundheitsversorgung e.V. (SVDGV) bringt unter dem Titel “Digitalversorgt mit KI” einen neuen Podcast heraus, der sich dem Thema Künstliche Intelligenz in der Medizin widmet. In diesem Podcast werden Diana Meskendahl (Leitung der Arbeitsgruppe KI, SVDGV), Anisa Idris und Dr. Paul Hadrossek (beide Mitglied des Vorstandes des SVDGV) aktuelle Fragen rund um KI im Gesundheitswesen erörtern. Die erste Folge erschien am 30. Juli 2024 und somit pünktlich kurz vor dem Inkrafttreten des EU Artificial Intelligence Acts (AI Act).

Bedeutender Fortschritt in der personalisierten Medizin: Forschende der Medizinischen Hochschule Hannover (MHH) kombinieren umfassende klinische Daten in einer einfach zu bedienenden Plattform. Die Erkenntnisse wurden im Journal „eBioMedicine – THE LANCET Discovery Science“ veröffentlicht (1).

Forschende des Paul Scherrer Instituts (PSI) und des Massachusetts Institute of Technology (MIT) nutzen künstliche Intelligenz, um die Einordnung von Brustkrebs zu verbessern.

Die elektronische Patientenakte (ePA) in Deutschland wird einer Umfrage zufolge von weiten Teilen der Bevölkerung akzeptiert. In einer vom Digitalverband Bitkom in Auftrag gegebenen Meinungsumfrage erklärten 71% der Befragten, dass sie die ePA bereits nutzen oder in der Zukunft anwenden werden.

Beim Spagat zwischen Informatik, Medizin und Praxis sind einige Schmerzpunkte spürbar. Künstliche Intelligenz (KI) kann Hautärzt:innen dabei unterstützen, Melanome und auch andere Hautkrebsentitäten zu erkennen. Angesichts der Verdopplung der Melanomraten in den vergangenen 10 Jahren erscheint das hilfreich. Viele Dermatolog:innen misstrauen jedoch den für sie nicht nachvollziehbaren Entscheidungen der Algorithmen. Trotzdem nutzen Hautärzt:innen bereits Geräte, die KI-Tools enthalten. Und schließlich sehen sie immer häufiger Patient:innen, die mit einem Melanom-verdächtigen Befund einer Hautcheck-App zu ihnen in die Praxis kommen.

Es ist Halbzeit bei der Nationalen Dekade gegen Krebs und auch die Initiative Vision Zero Oncology existiert seit nunmehr 5 Jahren. Was wurde bisher erreicht und wie sollte es nun weitergehen, um die Zahl der vermeidbaren krebsbedingten Todesfälle gegen Null zu senken? Dies war Thema beim Vision Zero Summit 2024, der am 10. und 11. Juni in Berlin stattfand.

ChatGPT hat die Entwicklung in der Künstlichen Intelligenz (KI) beflügelt. Viele Studien in Hämatologie und Onkologie haben gezeigt, dass mithilfe von KI-Anwendungen zum Teil sehr gute und innovative Ergebnisse in Diagnose, Therapie­unterstützung und anderen Bereichen erzielt werden können. Bevor weitere Beiträge dieser Serie „KI in der Onkologie“ konkrete Anwendungsbeispiele genauer betrachten, werden hier ein paar Basics zu KI, ihren „Lernmethoden“, den zugrundeliegenden Datensätzen und besonderen Herausforderungen ihrer Anwendung beleuchtet.

In einer klinischen Studie wurde untersucht, ob die in Echtzeit von künstlicher Intelligenz (KI) unterstützte optische Diagnose von Darmpolypen genau genug ist, um die „resect-and-discard“ Strategie bei kleinen Darmpolypen (≤ 5 mm) anzuwenden (1). Der primäre Endpunkt der Studie wurde mit einem negativen Vorhersagewert für Adenome von ≥ 90% erreicht. Auch der Zeitpunkt für die nächste Koloskopie wurde auf Basis der optischen Diagnose meist gleich gewählt wie auf Basis der pathologischen Untersuchung. Die Genauigkeit des KI-assistierten Diagnoseverfahrens war dabei bei Expert:innen deutlich höher als bei Nicht-Expert:innen.

Die Identifizierung geeigneter T-Zellen für die zelluläre Immuntherapie war bisher mühsam und zeitaufwendig. Vereinfachen und beschleunigen wollen das Verfahren Wissenschaftler:innen vom Deutschen Krebsforschungszentrum (DKFZ) und der Universitätsmedizin Mannheim. Ihr Ansatz basiert auf der Hochdurchsatz-Einzelzellsequenzierung von Immunzellen aus dem Tumor der Patient:innen. Aus den Sequenzdaten werden mithilfe von künstlicher Intelligenz diejenigen Rezeptoren auf den T-Zellen identifiziert, die mit hoher Wahrscheinlichkeit auf Merkmale des Tumors reagieren. Die Entwicklung personalisierter zellulärer Immuntherapien soll mit dieser Technologie vorangetrieben werden.

Die Februar-Ausgabe von JOURNAL ONKOLOGIE 2024 behandelt die Schwerpunktthemen gastrointestinale Tumoren und Psychoonkologie. Die Fortbildungsserie zu neuen Therapiekonzepten stellt im zweiten Teil Nanobodies vor. In einer weiteren Fortbildung wird aufgezeigt, welches Potenzial künstliche Intelligenz in der Onkologie hat und wie sie zukünftig eingesetzt werden könnte. Darüber hinaus wird Ihnen die Wichtigkeit der Präzisionsonkologie beim fortgeschrittenen nicht-kleinzelligen Lungenkarzinom dargelegt – und zwar aus Patientensicht. Neben weiteren interessanten Beiträgen gibt es auch wieder einige Highlights vom ASH und SABCS. Seien Sie gespannt und lesen Sie gleich los!

Methoden der Künstlichen Intelligenz (KI) haben vielfältige Einsatzmöglichkeiten in der Krebsmedizin, insbesondere in der Diagnostik. Wichtig ist vor allem die Fähigkeit von KI-Methoden, strukturierte Informationen aus unstrukturierten Daten wie Bildern und Texten zu extrahieren. Der Schwerpunkt vieler Anwendungen liegt auf der Analyse von Histopathologie- und Radiologiebildern zur Identifizierung von Biomarkern und Tumor-Subtypen. Hier werden einige der jüngsten Entwicklungen in der KI dargestellt, einschließlich Vision Transformers und selbstüberwachtem Lernen.

Ein Team von Informatiker:innen und Mediziner:innen der Universität Münster hat eine Studie veröffentlicht, in der mittels eines Verfahrens, das auf Künstlicher Intelligenz (KI) basiert, diverse genetische Merkmale aus hochauflösenden mikroskopischen Aufnahmen von Knochenmarkausstrichen vorhergesagt werden können. Davon könnten Patient:innen mit akuter myeloischer Leukämie (AML) künftig profitieren. Bereits am Tag der Diagnose könnten so gezielte Therapieentscheidungen getroffen werden, ohne auf genetische Analysen warten zu müssen. Die Ergebnisse wurden in der Fachzeitschrift „Blood Advances“ veröffentlicht.

Die Behandlung von Krebs wird zunehmend komplexer, bietet aber auch immer mehr Möglichkeiten. Denn je besser man die Biologie eines Tumors versteht, desto mehr Ansätze für die Behandlung gibt es. Um Patient:innen eine auf ihre Erkrankung zugeschnittene, personalisierte Therapie anbieten zu können, ist eine aufwändige Analyse und Interpretation verschiedener Daten nötig. Forschende an der Charité – Universitätsmedizin Berlin und der Humboldt-Universität zu Berlin haben nun untersucht, ob generative Künstliche Intelligenz (KI) wie ChatGPT dabei unterstützen kann. Es ist eines von vielen Projekten an der Charité, in denen die Chancen von KI für die Patientenversorgung analysiert werden.