KI-Modell könnte bessere Behandlungspläne für Brustkrebspatientinnen vorschlagen

In einer Zeit, in der einige Branchen den Einsatz von KI in der täglichen Arbeit scheuen und in Frage stellen, setzen Mediziner auf die Unterstützung, die die Technologie Ärzten bieten kann.

Mohamed Tageldin arbeitet seit sechs Jahren an der Schnittstelle von künstlicher Intelligenz und Pathologie, der Erforschung und Diagnose von Krankheiten.

Tageldin, Assistenzarzt am McGaw Medical Center der Northwestern University, ist Teil eines Forscherteams, das ein Modell der künstlichen Intelligenz entwickelt hat, um langfristige Ergebnisse für Brustkrebspatientinnen genauer vorherzusagen.

„Die Aufregung ist fast zu groß“, sagte Tageldin über die Einstellung gegenüber KI im medizinischen Bereich.

Das Team hofft, dass das neue Modell, das speziell für Brustkrebs entwickelt wurde, Patienten mit personalisierteren Empfehlungen und Entscheidungsfreiheit bei der Wahl ihres Behandlungsplans unterstützen wird. Laut einem Ende November veröffentlichten Bericht könnte es den Patienten auch unnötige Chemotherapie-Behandlungen ersparen.

Forscher fanden heraus, dass mit den aktuellen Prognosemethoden von Pathologen einige Patienten in höhere Risikokategorien eingeteilt werden, obwohl die Patienten in Wirklichkeit kürzere und weniger intensive Behandlungspläne durchlaufen könnten.

„Für die Menschen, die wir neu kategorisieren, könnten wir die Dauer oder Intensität ihrer Chemotherapie reduzieren und hoffentlich das gleiche klinische Ergebnis mit weniger Nebenwirkungen erzielen“, sagte der Co-Autor der Studie, Lee Cooper.

Cooper, außerordentlicher Professor für Pathologie an der Feinberg School of Medicine der Northwestern University, sagte, der Algorithmus beurteile Patienten anders als menschliche Pathologen und frühere Modelle, indem er in einer Prognose sowohl krebsartige als auch nicht krebsartige Zellen – etwa Immunzellen – untersucht.

Nicht krebsartige Zellen können das Krebswachstum angreifen und hemmen und eine Form um einen Tumor herum bilden, was zu besseren Langzeitergebnissen für einen Patienten führen kann. Aber gutartige Zellen lassen sich mit dem menschlichen Auge nur schwer analysieren, sodass Ärzte nur schwer vorhersagen können, ob ein Patient eine aggressive Behandlungsform wie eine Chemotherapie benötigt.

Das KI-Modell sei nicht dazu gedacht, die Rolle der Pathologen bei der bestmöglichen Versorgung der Patienten zu ersetzen, betonte Cooper. Vielmehr soll es den Pathologen – deren Aufgabe es ist, das Aussehen von Krebszellen zu bewerten und vorherzusagen, wie sie wachsen – dabei helfen, sich sicherer hinsichtlich der Bewertung zu fühlen, die sie dem Onkologen übermitteln, der dann gemeinsam mit dem Patienten einen Behandlungsplan festlegt.

Lauren Teras, leitende wissenschaftliche Direktorin für epidemiologische Forschung bei der American Cancer Society, sagte, der Algorithmus sei für Brustkrebspatientinnen vielversprechend, da die aktuellen Behandlungsmöglichkeiten brutal seien und oft schwerwiegende Nebenwirkungen mit sich bringen, die das tägliche Leben beeinträchtigen. Sie sagte, Ärzte sollten nach Möglichkeit auf harte Behandlungen verzichten.

„Wir brauchen Instrumente, die Ärzten dabei helfen, herauszufinden, welche Frauen das höchste Risiko haben, an ihrer Krebserkrankung zu sterben, und aggressivere Behandlungen benötigen“, sagte Teras. „Aber wir müssen auch Frauen identifizieren, die diese Behandlungen nicht benötigen.“

Laut Teras gibt es in den Vereinigten Staaten mehr Krebsüberlebende als je zuvor, was teilweise auf Fortschritte bei den Behandlungsplänen zurückzuführen ist.

Laut dem neuesten ACS Cancer Treatment & Survivorship-Bericht gab es am 1. Januar 2022 landesweit mehr als 18 Millionen Krebsüberlebende. Frauen mit einer Vorgeschichte von invasivem Brustkrebs bildeten mit mehr als 4 Millionen registrierten Überlebenden die größte Untergruppe.

Laut der Cancer Society erhält jede achte Frau in den Vereinigten Staaten im Laufe ihres Lebens die Diagnose Brustkrebs.

Als Cooper mit der Forschung begann, untersuchte das ursprüngliche KI-Modell ein ihm vorgelegtes Bild und erstellte eine Vorhersage. Diese Ausgabe enthielt keine Begründung für die Vorhersage, bei der es sich um eine einfache Zahl oder Note handelte. Das aktualisierte Modell bietet Ärzten mehr Informationen, einschließlich der Schritte, die die KI zur Bestimmung ihrer Prognose unternommen hat, womit ein Hauptanliegen der KI für Pathologen angegangen wird.

Mit dem neuen Modell würden Ärzte dem Patienten während einer Operation oder Biopsie Gewebe entnehmen. Anschließend würden sie das Gewebe verwenden, um ein digitales Bilddiapositiv zu erstellen, das das KI-Modell betrachten, die verschiedenen Zellen identifizieren und schließlich die Beziehung der Zellen zueinander untersuchen könne.

Im Rahmen einer Partnerschaft mit dem ACS Cancer Prevention Studies-Programm verwendeten die Forscher Gewebeproben von 3.177 Brustkrebspatientinnen, bei denen sich Menschen anmelden, um ihr Krebsgewebe zu spenden, bevor bei ihnen die Krankheit diagnostiziert wird. Bei der Spende wird ein hochauflösendes digitales Bild des entnommenen Gewebes aufgenommen und im Datensatz gespeichert.

Markierungen und Bilder von Brustkrebsgewebe wurden von einem Team aus rund 40 Ärzten, Assistenzärzten und Forschern auf der ganzen Welt untersucht, um den Algorithmus für die Analyse der Zellen zu trainieren, sagte Tageldin.

Tageldin sagte, er sei dankbar für die Tausenden von Freiwilligen, da das Modell ohne die Menschen, die ihr Körpergewebe und die Zeit zum Trainieren des Algorithmus gespendet hätten, nicht möglich gewesen wäre.

Die Verwendung der ACS-Daten bedeutet, dass der Algorithmus in seinen Trainingsphasen einem vielfältigeren Satz von Patientengeweben ausgesetzt ist, da das ACS Daten aus einer Vielzahl medizinischer Kliniken sammelt, einschließlich Gemeindezentren in einkommensschwachen und ländlichen Gebieten. Die meisten anderen öffentlichen Daten stammen von akademischen medizinischen Einrichtungen und können einen ausgewählten Satz von Patientenprofilen enthalten, sagte Cooper.

„Durch den Aufbau eines Modells auf der Grundlage dieser (ACS-)Daten können wir das wahre Krankheitsspektrum in den Vereinigten Staaten besser erfassen“, sagte Cooper.

Mit einer umfassenden und vielfältigen Ausbildung könnte die KI auch Patienten in einkommensschwächeren Gegenden zugute kommen, wo das Modell Ärzten, die keine spezialisierten Pathologen sind, bei der Bereitstellung von Noten und Behandlungsoptionen helfen könnte.

„Wenn Sie ein Objektträger erstellen können und ein Mikroskop mit einer Kamera und einer Internetverbindung haben, könnten wir wahrscheinlich einen Weg finden, diese Beurteilungen tatsächlich überall auf der Welt durchzuführen“, sagte er.

Der Einsatz digitaler Bilder in der medizinischen Praxis hat in den letzten Jahren zugenommen, und Northwestern Medicine wird in den nächsten drei Jahren auf digitale Bildgebung umstellen.

Als nächstes müssen Forscher das Modell anhand von Daten aus klinischen Studien bewerten, betriebliche Herausforderungen bewältigen und sicherstellen, dass Vorhersagen rechtzeitig für Pathologen erstellt werden. Cooper sagte, wenn das Modell für den klinischen Einsatz zugelassen würde, könne er die gleiche Vorlage auch auf andere Krebsarten anwenden.

Teras sagte, das ACS sei „vorsichtig optimistisch“ in Bezug auf KI im Bereich der Krebsforschung und fügte hinzu, dass die Organisation mit Modellen Fortschritte mache, aber „nicht zu schnell voranschreite“. Sie betonte jedoch, dass Ärzte nicht durch KI-Innovationen ersetzt werden.

„Patienten werden immer Ärzte brauchen, aber dieses Tool kann Ärzten helfen, Patienten zu helfen“, sagte sie.

2024 Chicago Tribune. Vertrieb durch Tribune Content Agency, LLC.