Digitale Pathologie: KI beschleunigt Diagnostik von Hirntumoren

Heidelberger Forschende haben ein KI-System entwickelt, das anhand digitalisierter Standardfärbungen mehr als 100 molekulare Untergruppen von Tumoren des zentralen Nervensystems erkennt und Ergebnisse innerhalb weniger Minuten liefert.

Tumoren des Gehirns und Rückenmarks sind äußerst vielgestaltig. In den vergangenen Jahren hat sich gezeigt, dass viele dieser Tumoren nur dann zuverlässig diagnostiziert werden können, wenn neben dem mikroskopischen Erscheinungsbild auch ihre molekularen Eigenschaften untersucht werden. Besonders wichtig ist dabei die DNA-Methylierungsanalyse, die heute als Goldstandard für die genaue Einordnung vieler Hirntumoren gilt.

Solche Untersuchungen sind jedoch aufwendig: Sie erfordern spezialisierte Labore, teure Geräte und ausreichend Tumormaterial. Zudem vergehen häufig rund zwei Wochen, bis die Ergebnisse vorliegen. In vielen Regionen der Welt stehen entsprechende Technologien gar nicht zur Verfügung. Mithilfe der Künstlichen Intelligenz (KI), insbesondere einem neuen KI-System namens „Hetairos“, soll sich das nun ändern.

KI lernt an über 11.000 Gewebeschnitten

Entwickelt wurde Hetairos von einem Team unter der Leitung von Moritz Gerstung (Deutsches Krebsforschungszentrum, DKFZ) und Felix Sahm (Universitätsklinikum Heidelberg). Es ergänzt eine Reihe von KI-gestützten Systemen, die die Diagnostik von Hirntumoren verbessern sollen.

Im Gegensatz zu anderen neuen Ansätzen basiert das aktuellste System jedoch nicht auf der Analyse von Tumor-DNA im Liquor, sondern auf histologischen Schnitten solider Biopsien. Ziel des Projekts war es, allein aus diesen routinemäßig präparierten und gefärbten histologischen Schnitten vorherzusagen, zu welcher molekularen Untergruppe ein Tumor gehört.

Hetairos wurde dazu mit mehr als 11.000 digitalisierten Gewebeschnitten von 9.606 Patient:innen trainiert und validiert. Die Daten stammten von elf medizinischen Zentren auf vier Kontinenten. Die Diagnosen basieren überwiegend auf der DNA-Methylierungsdiagnostik. In Form des „Methylation Classifier“ kommt auch hier in Heidelberg die KI zum Einsatz.

Unterscheidung zwischen mehr als 100 Subtypen

Insgesamt unterscheidet Hetairos 102 verschiedene molekulare Tumorsubtypen, die nahezu das gesamte Spektrum der heutigen WHO-Klassifikation von Tumoren des zentralen Nervensystems abdecken.

Dabei bewertet die KI nicht nur ihre Diagnose, sondern gibt auch an, wie sicher sie sich dabei ist. In etwa 50 bis 70 Prozent aller Fälle traf Hetairos Vorhersagen mit hoher Sicherheit. In diesen Fällen lag die Genauigkeit bei rund 87 bis 88 Prozent. Selbst wenn die KI unsicher war, konnte sie die Zahl möglicher Diagnosen meist stark eingrenzen.

Statt zwischen mehr als hundert Tumorsubtypen unterscheiden zu müssen, nennt Hetairos den Neuropatholog:innen häufig nur noch wenige wahrscheinliche Kandidaten. Dies kann die Auswahl weiterer diagnostischer Tests erheblich erleichtern. „Die Arbeit zeigt, dass künstliche Intelligenz in der Lage ist, molekulare Informationen direkt aus Routine-Gewebeschnitten abzuleiten und damit die Krebsdiagnostik grundlegend zu verändern“, so Darui Jin, einer der Co-Erstautoren der Arbeit, die jüngst in „Nature Cancer“ veröffentlicht wurde.

Hetairos schlägt erfahrene Fachärzte

Besonders bemerkenswert war der direkte Vergleich mit menschlichen Expertinnen und Experten. Fünf erfahrene Neuropathologen aus unterschiedlichen internationalen Zentren erhielten 210 Fälle und sollten allein anhand der Gewebeschnitte eine Diagnose stellen. Hetairos erreichte dabei eine Trefferquote von 68 Prozent, während die Fachärzte im Durchschnitt auf 30 Prozent kamen. Berücksichtigte man die jeweils drei wahrscheinlichsten Diagnosen, lag die KI bei 84 Prozent, die Fachärzte bei etwa 50 Prozent.

„Die Ergebnisse zeigen, dass moderne KI-Systeme inzwischen in der Lage sind, äußerst feine morphologische Muster zu erkennen, die selbst für erfahrene Spezialisten schwer zu unterscheiden sind“, betont Sahm.

„Aktuell stellt die Diagnose von sehr seltenen Tumorarten noch eine große Herausforderung für Hetairos dar, hier scheinen erfahrene Neuropathologen mindestens ebenbürtig. Wir gehen allerdings davon aus, dass die Leistungsfähigkeit des Systems mit größeren und vielfältigeren Datensätzen noch weiter steigt“, ergänzt Gerstung.

Diagnose in zwölf Minuten statt zwölf Tagen

In einer prospektiven Studie wurde Hetairos parallel zur klinischen Routine eingesetzt. Dabei analysierte das System 210 Tumorproben, ohne dass das KI-Ergebnis Einfluss auf die tatsächliche Diagnose oder Therapieentscheidung hatte.

Während die vollständige molekulare Diagnostik durchschnittlich etwa zwölf Tage benötigte, erzeugte Hetairos seinen Befund nach Digitalisierung der gefärbten Gewebeschnitte in nur zwölf Minuten auf handelsüblicher Computerhardware. Einschließlich Präparation und Digitalisierung der Gewebeschnitte könnten Ergebnisse oft bereits innerhalb von 24 Stunden bis zwei Tagen verfügbar sein.

Hilfe bei schwierigen und unklaren Fällen

Besonders wertvoll könnte Hetairos den Forschenden zufolge dort sein, wo klassische molekulare Verfahren an ihre Grenzen stoßen – beispielsweise, wenn zu wenig Tumormaterial für genetische Untersuchungen vorhanden ist oder wenn molekulare Tests keine eindeutigen Ergebnisse liefern. Darüber hinaus markiert das System jene Bereiche im Gewebeschnitt, die für seine Entscheidung besonders wichtig waren. Dadurch können Ärzte nachvollziehen, worauf die KI ihre Diagnose stützt und welche Regionen gegebenenfalls für weitere Untersuchungen geeignet sind.

„Wir haben Hetairos vor allem als Werkzeug zur Unterstützung der Diagnostik entwickelt“, erläutert der Neuropathologe Sahm. „Es soll molekulare Analysen nicht ersetzen, sondern gezielt ergänzen und beschleunigen. Besonders in Ländern oder Regionen mit begrenzten Ressourcen könnte die Technologie einen wichtigen Beitrag leisten, da sie auf den weltweit verwendeten Standard-Gewebeschnitten basiert.“

Auch wirtschaftlich könnte die Methode Vorteile bieten. Während eine DNA-Methylierungsanalyse typischerweise mehrere hundert Euro kostet, nutzt Hetairos für eine Analyse ohnehin vorhandene Gewebeschnitte. Gerstung bestätigt: „Hetairos zeigt das enorme Potenzial KI-gestützter digitaler Pathologie, schnelle und breit verfügbare Diagnoseverfahren bereitzustellen, die bislang nur mit erheblichem technischem Aufwand möglich waren.“