KI-Tool: Personalisierte Vorhersagen für Merkelzellkarzinome

Ein KI-gestütztes Prognosetool namens „DeepMerkel“ bietet personalisierte Vorhersagen für Merkelzellkarzinome. Es soll die klinische Entscheidungsfindung verbessern und könnte auch bei anderen Hautkrebsarten eingesetzt werden.

Das Merkelzellkarzinomen (MCC) ist ein seltener, aber sehr aggressiver Hautkrebs. Er ist schwer zu behandeln und betrifft in der Regel ältere Erwachsene mit einem geschwächten Immunsystem, die eine fortgeschrittene Erkrankung mit schlechter Überlebensrate aufweisen. Ein internationales Team unter der Leitung von Forschenden der Universität Newcastle (Großbritannien) hat maschinelles Lernen mit klinischem Fachwissen kombiniert, um „DeepMerkel“ zu entwickeln, das in der Lage ist, auf der Grundlage persönlicher und tumorspezifischer Merkmale Vorhersagen zu den Behandlungsergebnissen von MCC zu treffen.

Personalisierte Überlebensprognosen

Dr. Tom Andrew von der Universität Newcastle und Erstautor, sagte: „DeepMerkel ermöglicht es uns, den Verlauf und den Schweregrad eines Merkelzellkarzinoms vorherzusagen, sodass wir die Behandlung individuell anpassen können, damit die Patienten die optimale Behandlung erhalten.“ Der Einsatz von KI ermögliche es, subtile neue Muster und Trends in den Daten zu verstehen, was bedeute, dass auf individueller Ebene genauere Vorhersagen für jeden Patienten getroffen werden können. „Das ist wichtig, denn in den 20 Jahren bis 2020 hat sich die Zahl der Menschen, bei denen dieser Krebs diagnostiziert wird, verdoppelt, und obwohl er immer noch selten ist, handelt es sich um einen aggressiven Hautkrebs, von dem zunehmend ältere Menschen betroffen sind.“

Die Forschung wurde gemeinsam mit Penny Lovat, Professorin für Dermato-Onkologie an der Universität Newcastle, und Dr. Aidan Rose, Senior Clinical Lecturer an der Universität Newcastle durchgeführt. Rose sagte: „Eine genaue Vorhersage des Patientenergebnisses ist für die klinische Entscheidungsfindung von entscheidender Bedeutung. Dies ist besonders wichtig bei der Behandlung aggressiver Formen von Hautkrebs in einer komplexen Patientengruppe, bei der in der Regel schwierige und manchmal lebensverändernde Entscheidungen hinsichtlich der Behandlungsoptionen getroffen werden müssen. Die Entwicklungen, die wir mithilfe von KI gemacht haben, ermöglichen es uns, personalisierte Überlebensprognosen zu erstellen und das medizinische Team eines Patienten über die optimale Behandlung zu informieren.“

Hochrisikopatienten erkennen

In zwei sich ergänzenden Veröffentlichungen erläutert das Team, wie es mithilfe fortschrittlicher statistischer und maschineller Lernmethoden das webbasierte Prognosetool für MCC entwickelt hat.

In „Nature Digital Medicine“ beschreibt das Team, wie es mithilfe von Erklärbarkeitsanalysen und Daten neue Erkenntnisse über Sterblichkeitsrisikofaktoren für die hochaggressive Krebserkrankung MCC gewinnen konnte. Anschließend kombinierten sie die Auswahl von Merkmalen durch Deep Learning mit einem modifizierten XGBoost-Framework, um ein webbasiertes Prognosetool für MCC zu entwickeln, das sie DeepMerkel nannten.

Die Forschenden analysierten die Daten von fast 11.000 Patienten in zwei Ländern und beschreiben im „Journal of the American Academy of Dermatology“, wie DeepMerkel in der Lage war, Hochrisikopatienten in einem früheren Stadium der Krebserkrankung genau zu identifizieren. Dadurch können die Ärzte fundiertere Entscheidungen darüber treffen, wann radikale Behandlungsmöglichkeiten und eine intensive Krankheitsüberwachung eingesetzt werden sollten.

Integration in die tägliche Praxis

Das Team hofft, dass DeepMerkel den Patienten bessere Informationen zur Verfügung stellt, damit sie gemeinsam mit ihrem medizinischen Team über die für sie individuell beste Behandlung entscheiden können. Andrew fügte hinzu: „Mit weiteren Investitionen besteht der nächste spannende Schritt für unser Team darin, DeepMerkel so weiterzuentwickeln, dass das System Optionen aufzeigen kann, die den Ärzten helfen, den besten Behandlungspfad zu finden, der ihnen offensteht.“ Der nächste Schritt besteht darin, die DeepMerkel-Website in die klinische Routinepraxis zu integrieren und den Anwendungsbereich auf andere Tumorarten auszudehnen.