KI sagt Überlebenschancen bei Krebs voraus: Was steckt hinter dem neuen Modell?

Die Stanford School of Medicine hat eine KI entwickelt, die die Prognosen bei Krebs und die Vorhersagen von Therapieerfolgen zuverlässiger macht als je zuvor. Das Modell, genannt MUSK, kombiniert Bilddaten aus Mikroskopaufnahmen oder Röntgenbildern mit Textinformationen wie Laborbefunden und Arztberichten. Die Verschmelzung mehrerer Datenquellen macht MUSK (Multimodal Transformer with Unified Mask) zu einem wertvollen Werkzeug in der Onkologie.

„MUSK kann Prognosen für Menschen mit vielen verschiedenen Krebsarten und Stadien präzise vorhersagen“, erklärt Dr. Ruijiang Li, Professor für Radioonkologie an der Stanford School of Medicine und Mitautor der Studie. „Wir haben MUSK entwickelt, weil Ärzte in der Praxis nie nur eine Datenquelle nutzen, um klinische Entscheidungen zu treffen. Unser Ziel war es, mehrere Datenarten zu kombinieren, um tiefere Einblicke zu gewinnen und präzisere Vorhersagen über die Behandlungsergebnisse von Patienten zu erhalten.“

Die Methode überzeugt durch Ergebnisse: Für die Vorhersage von krankheitsspezifischen Überlebensraten erreicht MUSK eine Genauigkeit von 75 Prozent. Bisherige Standardmethoden liegen bei 64 Prozent. Besonders nützlich ist das Modell bei der Einschätzung, ob Patienten von einer Immuntherapie profitieren könnten. Mit einer Trefferquote von 77 Prozent liegt es deutlich über der bisherigen Methode, die auf einen einzelnen Biomarker setzt.

KI nutzt riesige Datenmengen für genauere Prognosen bei Krebs

MUSK basiert auf einer gigantischen Datenbasis: 50 Millionen medizinische Bilder und über eine Milliarde pathologiebezogene Texte dienten als Grundlage für das Training. Das Modell wurde speziell darauf ausgelegt, auch ungekoppelte Informationen zu verarbeiten. Es muss also nicht zwingend Bild- und Textdaten aus ein und demselben Fall kombinieren. Dieser Ansatz ermöglicht den Zugriff auf weit größere Datenmengen, als dies bei herkömmlichen Modellen möglich ist.

Eine besondere Stärke liegt in der Anpassungsfähigkeit. MUSK kann für verschiedene Fragestellungen in der Krebsforschung trainiert werden. Die Vorhersage, ob Patienten mit Melanomen innerhalb von fünf Jahren nach der Behandlung einen Rückfall erleiden, ist ein Beispiel. Hier liefert das Modell mit 83 Prozent eine besonders hohe Genauigkeit. Andere KI-Systeme bleiben mit rund 71 Prozent zurück.

Nicht verpassen:

• Neues Werkzeug gegen Krebs? Bakterium-Protein repariert DNA
• Krebsatlas enthüllt: So entstehen Tumore und widerstehen Behandlungen
• Wie KI hilft, das Rätsel der Gerüche zu lösen: Wird man künftig Krankheiten riechen können?

Mehr Präzision in der Therapieplanung

In der Praxis hilft MUSK, die Therapie genauer auf die Bedürfnisse der Patienten abzustimmen. Statt sich wie bisher nur auf einzelne Marker oder klinische Standarddaten zu stützen, verarbeitet das Modell Hunderte von Faktoren gleichzeitig. Dazu gehören nicht nur Bild- und Labordaten, sondern auch Informationen aus der Krankengeschichte, vergangenen Behandlungen und anderen Patientenakten. Dieser umfassende Ansatz ermöglicht es, fundiertere Entscheidungen zu treffen.

Ein Beispiel ist die Immuntherapie bei nicht-kleinzelligem Lungenkrebs. Während bisher oft ein einzelner Marker – wie die PD-L1-Expression – als Entscheidungsgrundlage diente, integriert MUSK zahlreiche Informationen. Das Modell erkennt dadurch mit deutlich höherer Sicherheit, welche Patienten tatsächlich von der Therapie profitieren. Auch hier setzt es neue Maßstäbe in der medizinischen Präzision.

Fortschritte dank neuer Datenstrategien

Das Besondere an MUSK ist sein Ansatz, ungekoppelte Daten zu nutzen. Damit wird die Einschränkung vieler herkömmlicher KI-Systeme, die auf exakt zugeordneten Datensätzen beruhen, umgangen. Dies macht MUSK zu einem flexiblen und vielseitig einsetzbaren Werkzeug. So kann es beispielsweise in der Vorhersage von Rückfällen oder in der Bewertung neuer Therapien eingesetzt werden.

Für die Medizin bedeutet diese Technologie einen bedeutenden Fortschritt. Mit MUSK wird es möglich, nicht nur exaktere Prognosen zu erstellen, sondern auch neue Behandlungsmethoden zu erforschen. Das Modell ist ein wichtiger Schritt in Richtung einer personalisierten Krebsmedizin, die auf die individuellen Bedürfnisse jedes Patienten abgestimmt ist.

Was du dir merken solltest:

• Die Stanford-KI MUSK sagt Überlebenschancen bei Krebs genau voraus – ein großer Schritt für die personalisierte Krebsforschung.
• Millionen Daten fließen in die Vorhersagen ein: Rückfälle, Therapieerfolge und Überlebensraten lassen sich präziser einschätzen.
• Patienten profitieren von besseren Therapien, da MUSK Ärzten klarere Entscheidungen ermöglicht.

Übrigens: Vitamin D kann die Krebssterblichkeit laut Studien um 12 Prozent senken. Gerade im Winter spielt das Sonnenvitamin eine wichtige Rolle. Mehr dazu in unserem Artikel.

Bild: © The National Institutes of Health via Wikimedia unter Public Domain