Künstliche Intelligenz: Neu entwickeltes Modell verbessert Diagnostik bei Darmkrebs

Mithilfe eines neuen „Multi Stain Deep Learning“-Modells auf Basis Künstlicher Intelligenz (KI) lassen sich mikroskopische Bilder von verschiedenen Immunzellen in Darmtumoren und deren Umfeld effektiver und genauer auswerten als mit bisherigen Methoden.

Entwickelt haben das Modell für eine KI-basierte Prognose Wissenschaftler des Institutes für Pathologie der Universitätsmedizin Mainz. Damit ist es möglich, den Krankheitsverlauf präziser zu prognostizieren. 

„Wir haben erstmalig ein KI-basiertes Prognosemodell für Dickdarmkrebs entwickelt, welches den sogenannten ‚AImmunoscore‘ aus einer Vielzahl von mikroskopischen Bildern des Tumorgewebes ermittelt“, erläutert Dr. Sebastian Försch, Erstautor der Publikation und Arzt am Institut für Pathologie der Universitätsmedizin Mainz. „Der große Vorteil liegt darin, dass unser sogenanntes ‚Multistain Deep Learning‘-Modell eine viel genauere Prognosevorhersage liefert – genauer als andere klinische, molekulare oder Immunzell-basierte Modelle. Verglichen mit der bislang üblichen manuellen Zählung von Immunzellen und den vorherrschenden einfachen statistischen Verfahren, ermöglicht das neuentwickelte Modell somit eine bessere Vorhersage darüber, ob eine Krebstherapie anspricht und wie die Überlebenschancen der Betroffenen sind.“

Immunzellen, die sich im Tumorgewebe aufhalten, können einen Aufschluss darüber geben, wie hoch die Überlebenschancen der Krebspatienten sind. Die adaptive Immunabwehr bekämpft Tumorzellen und andere Erreger. Dafür setzt das Immunsystem Immunzellen mit unterschiedlichen Funktionen ein. Die Art und Anzahl der Immunzellen, die sich im Tumor und seiner Umgebung aufhalten, sind ein Indikator dafür, wie effektiv die Tumor-Immunabwehr ist. Bisher gibt es jedoch keine Immunzell-basierte KI-Anwendung, die in der Klinik eingesetzt wird.

Um den KI-Algorithmus mithilfe von Deep Learning zu trainieren, haben die Forschenden mehr als 300.000 mikroskopische Bilder von rund 1000 Betroffenen mit Dickdarmkrebs verwendet. Durch die Bildanalyse der verschiedenen Immunzellen konnte das Programm den AImmunoscore bestimmen und damit die Rezidiv-freie Überlebenschance vorhersagen. Die Genauigkeit des innovativen Modells lag dabei bei rund 80 Prozent. Mithilfe des Modells konnten die Forschenden die Patienten dahingehend einordnen, ob sie ein erhöhtes Risiko für ein Rezidiv haben oder nicht.

Zudem hat das Forschungsteam ihr Multistain Deep Learning-Modell bei Patienten getestet, die sich einer neoadjuvanten Radiochemotherapie unterzogen haben. Ziel war es, vorhersagen zu können, ob die Therapie bei den Betroffenen ansprechen würde. Von den 117 Patienten wurden 86 richtig eingestuft, das entspricht einer Genauigkeit von rund 74 Prozent.

Die Forschenden der Universitätsmedizin Mainz kooperierten für dieses interdisziplinäre Projekt mit Wissenschaftler:innen aus anderen Mainzer Institutionen sowie aus Erlangen, Kiel, München, Aachen, Dresden und Marburg. Im nächsten Schritt wollen die Wissenschaftler die Forschungsergebnisse in großen prospektiven Multizentrumsstudien bestätigen und das Prognosemodell weiter optimieren.

Zu den Zielen des Forschungsteams ergänzt Försch: „Aktuell verfügbare Modelle sind teilweise durch Patente geschützt und nahezu ausschließlich kommerziell erhältlich. Wir möchten das Programm frei zur Verfügung stellen und für alle Forschenden weltweit nutzbar machen. Unsere Vision ist es, eine webbasierte Anwendung zu entwickeln, auf die Ärztinnen und Ärzte Bilddaten hochladen und sofort eine Prognoseeinschätzung für ihre Patient:innen erhalten können. Dies würde die Behandlung von Dickdarmkrebs nachhaltig verbessern.“