Mit Künstlicher Intelligenz das Risiko von Prostatakrebs besser einschätzen

Das Forschungsprojekt „PROSurvival“ versucht, mittels Künstlicher Intelligenz (KI) die Risikostratifizierung von Prostatakrebs zu verbessern. Dazu sollen dezentrale klinische Routinedaten datenschutzkonform für die Forschung genutzt werden.

Das Prostatakarzinom ist eine sehr heterogene Erkrankung. Die meisten Behandlungsalgorithmen basieren daher auf einer klinischen Risikostratifizierung, d. h. einer Abschätzung des Risikos, dass die Erkrankung zu Komplikationen oder zum Tod führen kann. Im Fall des Prostatakarzinoms geschieht dies auf Grundlage des Tumorstadiums, des PSA-Werts (PSA: Prostata-spezifisches Antigen) zum Zeitpunkt der Diagnose und der Gleason-Graduierungs-Gruppe (GG). Obwohl sich diese klinische Risikostratifizierung in der Praxis bewährt hat, weist das GG-Einteilungssystem Unschärfen auf, wodurch oftmals Patienten übertherapiert, etwa unnötigerweise operiert werden.

Im Rahmen des neu gestarteten PROSurvival-Projekts überprüfen die Forscher, ob mithilfe von KI aus den histopathologischen Bildern der Gewebeproben Muster bestimmt werden können, mit deren Hilfe das biochemische Wiederauftreten des Krebses, beziehungsweise das Überleben des Patienten, mit höherer Genauigkeit vorhergesagt werden kann. Gelingt dies, könnte es nach Hoffnung der Forscher möglich sein, diejenigen Patienten zu identifizieren, die zukünftig sicher auf eine aktive Therapie und damit auf eine Operation verzichten können.

Maschinelles Lernen mit dezentralen Daten

Auch in technischer Sicht betritt das Projekt Neuland: Für das Training der KI soll sogenanntes hybrides föderiertes maschinelles Lernen mit einer prädiktiven Mustererkennung kombiniert werden. Föderiertes Lernen ist ein dezentralisiertes Verfahren im Bereich des maschinellen Lernens, um Modelle mit mehreren Datenlieferanten zu trainieren. Anstatt die Daten auf einem zentralen Server zu sammeln, bleiben die Daten am Ort der Entstehung, da nur die Algorithmen und die Vorhersagemodelle zwischen den Servern ausgetauscht werden. Dieser Ansatz soll effizientes „Deep-Learning-Training“ an mehreren Standorten ermöglichen.

Wie das Informatikinstitut OFFIS in einer Mitteilung zu dem Projekt betont, ist die Fähigkeit, Modelle in großem Umfang in mehreren medizinischen Standorten zu trainieren, ohne Daten zusammenzuführen, von zentraler Bedeutung, um das Problem des Patientenschutzes und der Datensicherheit zu lösen. Bei dem hybriden Ansatz des PROSurvival-Projekts werden die sehr umfangreichen, aber leicht anonymisierbaren pathologischen Bilddaten an zentraler Stelle zu klinisch prädiktiven Musterinformationen verdichtet, während die nur schwierig anonymisierbaren klinischen Daten in den beteiligten Kliniken verbleiben. Dieser Ansatz werde eine datenschutzkonforme Nutzung von Daten aus der medizinischen Routineversorgung für die Forschung erschließen, die sonst nicht genutzt werden könnten.

Das langfristige Projektziel ist, einen standortübergreifenden, digitalen Datensatz von Prostatakarzinom-Daten – samt datenschutzkonformer, dezentraler Rechenumgebung zum Training von Modellen des maschinellen Lernens – für die Forschung bereitzustellen, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin zu unterstützen.

Geleitet wird PROSurvival von OFFIS mit Sitz in Oldenburg (Niedersachsen). Die Arbeit erfolgt in enger Zusammenarbeit mit dem Fraunhofer-Institut für Digitale Medizin MEVIS, der Charité – Universitätsmedizin Berlin sowie dem Dr. Senckenbergischen Institut für Pathologie der Goethe-Universität Frankfurt. Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) mit 1,4 Millionen Euro über zwei Jahre gefördert.

(OFFIS/ms)