Verbesserte Hautkrebsdiagnostik in unterschiedlichen Populationen

Forschende haben ein maschinelles Lernmodell entwickelt, das Hautkrebs unabhängig von ethnischer Zugehörigkeit präziser vorhersagen soll. Ziel ist eine effektivere Früherkennung.

Hautkrebs zählt zu den häufigsten malignen Tumoren weltweit. Die Früherkennung ist entscheidend, um die Morbidität und Mortalität zu senken. Bislang sind etablierte Risikorechner auf Basis von Hauttyp, Familienanamnese und UV-Exposition primär für Menschen europäischer Herkunft validiert, da diese in den zugrundeliegenden Datensätzen überrepräsentiert sind. Dies führt zu diagnostischen Lücken bei Personen mit dunkler Hautfarbe, die seltener früh, oft erst im fortgeschrittenen Stadium erkannt werden – mit entsprechend schlechteren Therapieergebnissen.

Individuelles Risiko für Hautkrebs

Forschende der University of California San Diego School of Medicine (USA) nutzten nun für eine Studie Daten von über 400.000 Teilnehmenden aus dem US-amerikanischen „All of Us“-Programm, das die Diversität in der biomedizinischen Forschung gezielt fördert. Das Modell integriert genetische und nicht genetische Faktoren, darunter Lebensstil, sozioökonomischer Status und Medikamentengebrauch, und stratifiziert das individuelle Risiko für Hautkrebs. Die Ergebnisse wurden in „Nature Communications“ publiziert.

Das Modell erreichte eine Genauigkeit von 89 Prozent bei der Identifizierung von Hautkrebs über alle Populationen hinweg, mit 90 Prozent bei Personen europäischer Herkunft und 81 Prozent bei Personen nicht europäischer Herkunft. Auch mit nur genetischen, aber fehlenden Lifestyle-/Sozialdaten lag die Präzision bei 87 Prozent. Der Anteil europäischer Abstammung war der stärkste Risikoprädiktor; Menschen europäischer Herkunft hatten ein mindestens achtfach erhöhtes Risiko für die Diagnose Hautkrebs.

Unterstützung benachteiligter Gruppen

Das Modell ist als klinisches „case-finding“-Tool konzipiert und kann helfen, Personen mit erhöhtem Risiko zu identifizieren, die von einem Ganzkörper-Hautscreening profitieren – insbesondere bei bisher benachteiligten Gruppen. Die Ergebnisse eröffnen Perspektiven für eine breitere Anwendung auf andere Krankheitsentitäten und eine echte, individualisierte Präzisionsmedizin für alle Bevölkerungsschichten.

(ins/BIERMANN)