Multiple Sklerose: Künstliche Intelligenz bringt Neubewertung des Krankheitsverlaufs

Die Multiple Sklerose (MS) galt bislang als eine Erkrankung mit verschiedenen Subtypen wie schubförmig oder progredient. Eine in „Nature Medicine“ veröffentlichte internationale Studie stellt dieses dogmatische Modell nun radikal infrage.

Unter Leitung des Universitätsklinikums Freiburg und der University of Oxford, Großbritannien, hatten Forschende Daten der NO.MS-Kohorte (Studiendaten der Firma Novartis) analysiert. Statt fixer Krankheitsphänotypen identifizierte ein KI-gestütztes Modell dabei vier zentrale Zustandsdimensionen, die den Verlauf der MS wesentlich besser abbilden: körperliche Behinderung, Hirnschädigung, klinische Schübe und stille Entzündungsaktivität. Die Erkenntnisse könnten die Diagnostik und Behandlung von MS-Patienten grundlegend verändern und auch für andere Erkrankungen von Bedeutung sein, sind die Forschenden überzeugt.

Krankheit als dynamisches System: Neue Sicht auf MS

„Unsere Daten zeigen eindeutig, dass MS nicht über verschiedene Subtypen wie schubförmig oder progrediente MS zu charakterisieren ist, sondern ein kontinuierlicher Krankheitsprozess mit definierbaren Zustandsübergängen ist“, erklärt Prof. Heinz Wiendl, Ärztlicher Direktor der Klinik für Neurologie und Neurophysiologie des Universitätsklinikums Freiburg.

Die Ergebnisse basieren auf der Analyse von mehr als 8000 Patienten und mehr als 35.000 MRT-Aufnahmen aus verschiedenen Studien (NO.MS-Kohorte, Ocrelizumab-Kohorte von Roche, MS-PATHS-Kohorte).

Das probabilistische Modell beschreibt MS als Abfolge von Zuständen („states“) mit spezifischen Übergangswahrscheinlichkeiten. Frühere, milde Zustände gehen meist über entzündliche Zwischenphasen in fortgeschrittene, irreversible Krankheitsstadien über. Bemerkenswert ist laut den Forschern, dass ein direkter Übergang in die schweren Stadien ohne vorherige Entzündungsaktivität praktisch ausgeschlossen ist – stille, symptomfreie Entzündungen oder Schübe sind zentrale Treiber der Verschlechterung.

Implikationen für Diagnostik, Therapie und Zulassungen

Das bisherige Klassifikationssystem erschwert in vielen Fällen den Zugang zu wirksamen Medikamenten, da Zulassungen auf starren Subtypdefinitionen basieren. Das neue Modell erlaubt eine individualisierte Risikoeinschätzung – unabhängig vom diagnostizierten Subtyp.

„Statt Patienten zu kategorisieren, sollten wir ihren Zustand quantifizieren und dynamisch verfolgen“, rät Wiendl. Gerade Patienten mit aktiver, aber klinisch stummer Entzündungsaktivität benötigen frühzeitige Therapieentscheidungen, wie das Modell eindrücklich zeigt.

Ein Modell mit Breitenwirkung – über die MS hinaus

Die zustandsbasierte Modellierung mit Methoden der KI ist nicht nur ein wissenschaftlicher Durchbruch in der MS-Forschung. „Das Prinzip ist grundlegend und wegweisend – und es lässt sich auch auf viele andere Krankheiten anwenden, sowohl in der Neurologie als auch darüber hinaus“, ist Prof. Lutz Hein, Dekan der Medizinischen Fakultät der Universität Freiburg, überzeugt. Entscheidend sei, dass man sich von starren, festgelegten Krankheitskategorien löse und stattdessen auf datenbasierte, flexible Krankheitszustände innerhalb der Erkrankung setze.

Nächste Schritte: Translation in Klinik und Forschung

„Wichtig ist es nun, diese Möglichkeiten der individualisierten Risikoabschätzung in die klinische Praxis zu überführen und hierzu prospektive Daten zu sammeln“, betont Prof. Peter Berlit, Generalsekretär der Deutschen Gesellschaft für Neurologie. Das Modell wurde bereits innerhalb der Studie erfolgreich an externen klinischen und realweltlichen Datensätzen überprüft. Der nächste Schritt ist nun die Überführung in den klinischen Alltag, etwa zur Therapieentscheidung oder zur besseren Patientenaufklärung. Perspektivisch könnte die dynamische Klassifikation auch die Zulassungslogik künftiger Therapien grundlegend verändern.