Künstliche Intelligenz: Vorhersage des Risikos für Bauchspeicheldrüsenkrebs

Bauchspeicheldrüsenkrebs ist weltweit eine der Hauptursachen für krebsbedingte Todesfälle, wobei die Inzidenz ansteigt. Gerade die frühe Diagnose ist eine große Herausforderung, da die Krankheit oft erst in einem späten Stadium entdeckt wird und die Langzeitüberlebensrate äußerst gering ist (2,9% der Patienten nach 5 Jahren).

Patienten in einem frühen Stadium der Erkrankung können jedoch durch eine Kombination aus Operation, Chemo- und Strahlentherapie geheilt werden. Ein besseres Verständnis der Risikofaktoren sowie die Früherkennung haben ein großes Potenzial, das Überleben der Patienten zu verbessern und die Gesamtmortalität zu senken.

In einer aktuellen Studie wendeten Forschende Methoden der Künstlichen Intelligenz auf klinische Daten von 6 Mio. Patienten (24.000 Fälle von Pankreaskrebs) in Dänemark (DNPR [Danish National Patient Registry)) und von 3 Mio. Patienten (3900 Fälle) in den USA (US-VA [US-Veterans Affairs]) an. Sie trainierten Modelle des Maschinellen Lernens auf der Grundlage der Abfolge von Krankheitscodes in der Krankengeschichte und testeten die Vorhersage des Auftretens von Krebs innerhalb inkrementeller Zeitfenster (CancerRiskNet).

Für das Auftreten von Krebs in ≤3 Jahren lag die Leistung des besten DNPR-Modells bei AUROC-Werten von 0,88. Wurden Krankheitsereignisse ≤3 Monate vor der Krebsdiagnose aus dem Training ausgeschlossen, sanken die AUROC-Werte (3m) auf 0,83, mit einem geschätzten relativen Risiko von 59/1000 Hochrisikopatienten im Alter >50 Jahren.

Die Queranwendung des dänischen Modells auf die US-VA-Daten ergab eine etwas geringere Leistung (AUROC 0,71) und ein Nachtraining war nötig, um die Leistung zu verbessern (AUROC 0,78 bzw. AUROC [3m] 0,76).

Fazit
Die Ergebnisse, die auf diesem Deep-Learning-Algorithmus basieren, der elektronische Krankenakten aus 2 großen Patientenkohorten verwendete, sagen das Risiko von Bauchspeicheldrüsenkrebs anhand von Krankheitsverläufen in ≤3 Jahre voraus und zeigen bei der retrospektiven Validierung eine vielversprechende Leistung. Aufgrund dessen könnten realistische Überwachungsprogramme für Patienten mit erhöhtem Risiko entworfen werden, um deren Lebenserwartung und Lebensqualität zu verbessern. (je)

Autoren: Placido D et al.
Korrespondenz: Soren Brunak; [email protected]
Studie: A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories
Quelle: Nat Med 2023;29(5):1113–1122.
Web: https://doi.org/10.1038/s41591-023-02332-5