KI für zuverlässigere Immuntherapievorhersagen bei Lungenkrebs nutzen
Eine vor kurzem durchgeführte Studie(öffnet in neuem Fenster) hat zu Tage gefördert, dass KI-Tools ärztliche Fachkräfte bei der Vorhersage der Behandlungsergebnisse und Überlebenschancen von immuntherapeutisch behandelten Patientinnen und Patienten mit fortgeschrittenem nicht-kleinzelligem Bronchialkarzinom (NSCLC) unterstützen können. Die Studie ist Teil des EU-finanzierten Projekts I3LUNG(öffnet in neuem Fenster), das KI nicht als Ersatz für klinisches Fachwissen etablieren, sondern in einen nützlichen Partner für die klinische Entscheidungsfindung verwandeln möchte.
Bessere Tools erforderlich
Die Immuntherapie, eine Behandlung, bei der das körpereigene Immunsystem zur Bekämpfung von Krebs genutzt wird, hat die Versorgung von NSCLC-Betroffenen revolutioniert und bei bis zu 30 % der Patientenschaft langfristige Nutzen erzielt. Es ist jedoch nach wie vor eine Tatsache, dass sich der Zustand der meisten Patientinnen und Patienten nach einer Immuntherapie weder verbessert noch eine Remission eintritt. Dies unterstreicht den Bedarf an robusten Biomarkern, die zuverlässige Informationen über den individuellen Krebs der jeweiligen Patientinnen und Patienten liefern – über dessen genetische Zusammensetzung, sein Verhalten und seine Wechselwirkungen mit dem Immunsystem. Durch die ärztliche Identifizierung von Patientinnen und Patienten, bei denen eine nennenswerte positive Reaktion auf die Immuntherapie unwahrscheinlich ist, könnten unerwünschte Nebenwirkungen und Kosten vermieden werden. Heute stützen sich Behandlungsentscheidungen größtenteils auf PD-L1, den einzigen klinisch zugelassenen Biomarker, trotz begrenzter Vorhersagekraft. Die Studie – die wahrscheinlich die größte internationale, praxisnahe, multimodale ihrer Art darstellt – integrierte klinische, Blutuntersuchungs-, Bildgebungs-, pathologische und genomische Daten mit Modellen des maschinellen und tiefen Lernens. Hierdurch sollte ermittelt werden, ob KI dabei helfen kann, den Behandlungserfolg bei Patientinnen und Patienten mit fortgeschrittenem nicht-kleinzelligem Bronchialkarzinom (NSCLC) unter Immuntherapie vorherzusagen. Die 2.396 an der Studie teilnehmenden Patientinnen und Patienten wurden aus sechs Prüfzentren in Deutschland, Griechenland, Israel, Italien, Spanien und den Vereinigten Staaten angeworben. Den Ergebnissen zufolge schnitten die KI-Modelle durchweg besser ab als alle klinischen Standard-Biomarker. Die Fläche unter der Kurve (Area Under the Curve, AUC) – eine Kennzahl des maschinellen Lernens, die in diesem Fall für den Vergleich der Genauigkeit verschiedener Modelle bei der Vorhersage von Überlebensergebnissen herangezogen wurde – reichte von 0,77 für das Modell mit klinischen Daten und Blutuntersuchungsdaten bis zu 0,88 für das Modell mit zusätzlichen bildgebenden Verfahren und digitaler Pathologie. AUC-Werte zwischen 0,8 und 0,9 werden gemeinhin als „ausgezeichnet“ betrachtet.
Nicht nur spezialisierte Fachkräfte
Die Studie bewertete zudem die Zusammenarbeit zwischen Mensch und KI, indem 20 Ärztinnen und Ärzte – davon 10 auf Lungenkrebs spezialisiert und 10 aus anderen Fachgebieten – 100 Fälle mit realen Patientinnen und Patienten zunächst ohne und anschließend mit KI-Unterstützung untersuchten. Der Einsatz des KI-Tools verbesserte die Sensitivität bei der Identifizierung von Patientinnen und Patienten, die voraussichtlich auf die Behandlung ansprechen würden, und erhöhte den AUC-Wert von 0,72 auf 0,87. Es profitierten zwar sowohl spezialisierte als auch nicht spezialisierte Fachkräfte vom KI-Einsatz, doch zeigten sich bei nicht spezialisiertem ärztlichem Personal die deutlichsten Verbesserungen. Diese Erkenntnis ist besonders relevant für onkologische Einrichtungen in städtischen Gemeinschaften, in denen oftmals nur begrenzte Thoraxfachkompetenzen zur Verfügung stehen. „I3LUNG setzt neue Maßstäbe für KI in der Thoraxonkologie. Sogar Entscheidungshilfetools, die auf routinemäßig verfügbaren klinischen Daten basieren, können die Biomarker übertreffen, auf die wir uns heute stützen“, erklärt die Thoraxonkologin Marina Garassino, Professorin für Medizin an der Universität Chicago, einem Projektpartner von I3LUNG, in einer Pressemitteilung von „UChicago Medicine“(öffnet in neuem Fenster). „Für Patientinnen und Patienten bedeutet dies weniger verpasste Gelegenheiten für einen Behandlungsnutzen. Für ärztliche Fachkräfte in städtischen Gemeinschaften bedeutet dies Zugang zu spezialisierter Unterstützung in Point-of-Care-Umgebungen. Die Fachwelt wiederum erhält einen rigorosen, fairen und erklärbaren Rahmen – der anhand von verschiedenartigen Gesundheitssystemen und Bevölkerungsgruppen validiert wurde – und als globale Plattform für die nächste Generation der präzisen Immuntherapie dienen kann.“ I3LUNG (Integrative science, Intelligent data platform for Individualized LUNG cancer care with Immunotherapy) bemüht sich derzeit um die Anwerbung von über 2.000 Patientinnen und Patienten aus denselben sechs Prüfzentren für eine prospektive Studie. Dies wird die Ausrichtung der Forschung auf die Optimierung von Behandlungsstrategien ermöglichen. Weitere Informationen: I3LUNG-Projektwebsite(öffnet in neuem Fenster)
