Vorsorge verbessern: KI-Modell zur Einschätzung des Leberkrebsrisikos entwickelt

Laut einem internationalen Forschungsteam lässt sich das Risiko für Leberkrebs mithilfe Künstlicher Intelligenz (KI) anhand von routinemäßig erhobenen klinischen Daten ermitteln. Das von den Wissenschaftlern entwickelte Modell basiert auf Informationen zu Vorerkrankungen, Laborwerten und Lebensstilfaktoren.

Auch Forschende aus Deutschland waren an der Studie beteiligt. Die Ergebnisse wurden kürzlich in der Zeitschrift „Cancer Discovery“ veröffentlicht.

Beim Hepatozellulären Karzinom (HCC) verbessert eine frühe Diagnose die Chancen auf eine erfolgreiche Therapie deutlich. Viele Betroffene werden jedoch erst in fortgeschrittenen Stadien erkannt. Bisherige Screening-Programme konzentrieren sich vor allem auf Menschen mit bereits diagnostizierter Leberzirrhose und übersehen damit weitere Risikopersonen.

PRE-Screen-HCC: Zuverlässiger Risikoscore für Leberkrebs auf Grundlage von Routinedaten

Für ihre Studie analysierten die Forschenden Gesundheitsdaten von mehr als 900.000 Personen aus zwei groß angelegten Studien: der britischen UK Biobank für die Modellentwicklung und dem US-amerikanischen All of Us Research Program für die externe Validierung. Insgesamt flossen knapp 1000 bestätigte HCC-Fälle in die Analyse ein. Das Modell übertraf bisherige etablierte HCC-Risikoscores. Besonders bemerkenswert ist, dass die Vorhersageleistung auf Basis von Routinedaten vergleichbar war mit Modellen, die auf aufwendigen Genom- oder Stoffwechseldaten (Metabolom) beruhen. PRE-Screen-HCC ordnet Personen in niedrige, mittlere und hohe Risikogruppen ein und könnte so helfen, Ultraschall-Screenings gezielter einzusetzen.

„Unsere Arbeit zeigt, wie sich bislang wenig genutzte Bevölkerungsdaten für eine bessere Vorsorge und Früherkennung von Leberkrebs nutzen lassen“, sagt Jan Clusmann, Erstautor der Studie und Forscher am Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit an der Technischen Universität Dresden (TUD) sowie der Uniklinik RWTH Aachen. „Der entscheidende Vorteil ist, dass unser Modell auf Routinedaten basiert, die im Klinikalltag ohnehin vorliegen. Damit könnten wir Menschen, die von einer Ultraschall-Früherkennung profitieren würden, früher identifizieren“, fügt er hinzu. Für sein Forschungsprojekt wurde Clusmann im Rahmen des Mildred-Scheel-Postdoktoranden-Programms von der Deutschen Krebshilfe gefördert.

Frei verfügbares KI-Modell ermöglicht Weiterentwicklung und breite Anwendung

Besonders wichtig ist dem Team um Prof. Jakob N. Kather, Professor für Clinical Artificial Intelligence an der TUD, und Prof. Carolin V. Schneider, Juniorprofessorin für Prävention und Genetik von metabolischen Erkrankungen der Leber an der RWTH Aachen, die Nachvollziehbarkeit ihrer Ergebnisse. Deshalb analysierte das Team auch, welche Arten von Routinedaten besonders zur Risikovorhersage beitragen und wie robust die Ergebnisse über unterschiedliche Bevölkerungsgruppen hinweg sind. Alle Modelle und der zugrunde liegende Code sowie ein Web-Risikorechner wurden öffentlich zugänglich gemacht. Das ermöglicht nicht nur die weitere externe Validierung beispielweise in anderen Bevölkerungsgruppen, sondern auch die künftige Nutzung und Einbindung in agentische KI-Systeme. Langfristig könnte PRE-Screen-HCC helfen, Menschen mit erhöhtem Risiko für Leberkrebs früher zu erkennen und Vorsorgeuntersuchungen gezielter auszuwählen.

„Unsere Ergebnisse zeigen, welches Potenzial für die Früherkennung in Routinedaten steckt, wenn sie systematisch und in großer Zahl ausgewertet werden. In Zukunft könnten Algorithmen wie der von uns entwickelte PRE-Screen-HCC direkt mit der Patientenakte verknüpft werden – etwa im Rahmen des europäischen Gesundheitsdatenraums“, erklärt Kather, Facharzt für Innere Medizin am NCT/UCC des Dresdner Universitätsklinikums Carl Gustav Carus.

„In der Versorgung sehen wir, dass Patientinnen und Patienten mit relevantem Leberkrebsrisiko nicht immer frühzeitig erkannt werden können. Unser Ansatz eröffnet die Chance, Hochrisikopersonen künftig früher zu identifizieren und damit ihre Therapieaussichten zu verbessern“, betont Schneider, Juniorprofessorin und Ärztin an der Uniklinik RWTH Aachen und Leiterin der Studie.


Die Studie wurde durch die Deutsche Krebshilfe im Rahmen des Mildred-Scheel-Postdoktorandenprogramms gefördert. Geleitet wurde die Arbeit von Prof. Carolin V. Schneider, Uniklinik RWTH Aachen, und Prof. Jakob N. Kather, EKFZ für Digitale Gesundheit, TUD. Beteiligt waren Forschende folgender Institutionen: EKFZ für Digitale Gesundheit an der Medizinischen Fakultät der TUD, Universitätsklinikum Carl Gustav Carus Dresden, Zentrum für Regenerative Therapien Dresden (CRTD), Nationales Centrum für Tumorerkrankungen (NCT) Heidelberg, Uniklinik RWTH Aachen, Charité – Universitätsmedizin Berlin, Universitätsklinikum Düsseldorf, Heinrich-Heine-Universität Düsseldorf, University of Pennsylvania (USA), Prince of Songkla University (Thailand), Université Paris Est Créteil und Henri Mondor-Albert Chenevier Universitätsklinikum (Frankreich).

Das EKFZ für Digitale Gesundheit an der Medizinischen Fakultät der Technischen Universität Dresden (TUD) und dem Universitätsklinikum Carl Gustav Carus Dresden wurde im September 2019 gegründet. Es wird mit einer Fördersumme von 40 Millionen Euro für eine Laufzeit von zehn Jahren von der Else Kröner-Fresenius-Stiftung gefördert. Das Zentrum konzentriert seine Forschungsaktivitäten auf innovative, medizinische und digitale Technologien an der direkten Schnittstelle zu den Patientinnen und Patienten. Das Ziel ist dabei, das Potenzial der Digitalisierung in der Medizin voll auszuschöpfen, um die Gesundheitsversorgung, die medizinische Forschung und die klinische Praxis nachhaltig zu verbessern.