Künstliche Intelligenz zur Vorhersage von Mutationen in Tumoren

BMBF-Verbundprojekt CancerScout

Künstliche Intelligenz (KI) meint die Entwicklung lernfähiger Computersysteme zur Lösung komplexer Probleme wie dem Erkennen von Bildern und Sprache oder dem autonomen Fahren. Schon jetzt ist Künstliche Intelligenz aus dem Alltag nicht mehr wegzudenken und beginnt auch, die Medizin zu verändern.

Jedes Jahr erkranken in Deutschland etwa 500.000 Menschen an bösartigen Tumoren. In den letzten Jahren hat die Entwicklung neuer hochwirksamer Medikamente die Behandlung vieler Tumoren radikal verändert und für viele Patient*innen Hoffnung im Kampf gegen den Krebs eröffnet.

Damit ein solches Medikament zum Einsatz kommen kann, müssen allerdings wichtige Voraussetzungen erfüllt sein: nach einem „Schlüssel-Schloss“ Prinzip können die Medikamente nur wirken, wenn der Tumor dazu passende Veränderungen in seinen Molekülen aufweist. Zwar sind die meisten dieser Veränderungen nur in wenigen Tumoren nachweisbar, gleichzeitig wächst aber die Zahl neuer „Schlüssel-Schloss Kombinationen“ stetig, sodass immer mehr Patient*innen die Chance auf eine derartige personalisierte Therapie bekommen. Dies bedeutet wiederum, dass viele solcher Tests durchgeführt werden müssen, um mindestens eine wirksame Kombination zu entdecken. Diese Testungen sind nicht nur aufwendig, sondern auch zeit- und kostenintensiv. In Deutschland werden die meisten Tests auf „Schlüssel-Schloss-Kombinationen“ von speziell ausgebildeten Pathologen durchgeführt.

_{Prinzip der zielgerichteten Krebstherapie nach dem bisherigen Verfahren. Nachdem die Diagnose „Krebs“ unter dem Mikroskop gesichert werden konnte, werden viele Tumoren durch molekulare Analysen weiter untersucht, um sie bestimmten Subgruppen (A, B, C) zuordnen zu können. Falls für die jeweilige Gruppe eine „Schlüssel-Schloss-Kombinationen“ existiert, kann den Patienten eine entsprechende molekular-zielgerichtete Tumortherapie angeboten werden.}

Maschinelles Lernen hilft bei der schnelleren und präzisen Diagnostik von Krebs

Das großangelegte Forschungsvorhaben unter der wissenschaftlichen Leitung der Göttinger Pathologen könnte dabei helfen, den flächendeckenden Zugang einer alternden Gesellschaft mit Zunahme an Tumorerkrankungen zu der verbesserten Krebsmedizin zu sichern und gleichzeitig zu einer massiven Kosteneinsparung und Schonung wertvoller Personalressourcen führen. Der Forschungs- und Entwicklungsverbund will außerdem über das konkrete Vorhaben hinaus die Grundlagen für eine Vielzahl möglicher Anwendungen von Künstlicher Intelligenz in der Diagnose und Behandlung von Erkrankungen legen, etwa durch Vernetzung mit radiologischen Bildgebungsverfahren oder der Labormedizin.

_{Tumorzellen unterscheiden sich von normalen Körperzellen durch ihr Aussehen unter dem Mikroskop erheblich. Durch eine Digitalisierung solcher histologischer Bilder und durch die Extraktion multiparametrischer Bildmerkmale (Form- und Farbgradienten, Größenvariabilität uvm.) können Computeralgorithmen (sog. convoluted neuronal networks, CNNs) ähnlich wie menschliche Beobachter Muster erlernen und mit anderen Faktoren ins Verhältnis setzen. Die gleichen Tumoren, von denen die histologischen Bilder stammen, werden mit aufwendigen Methoden umfassend genomisch und proteomisch untersucht. Aus den erhobenen Daten werden Gruppen von Tumoren gebildet, die bestimmten zielgerichteten Therapieformen zugänglich sind. Durch einen Abgleich der bildmorphologischen Veränderungen mit den molekularen Gruppen soll der Computeralgorithmus darauf trainiert werden, die molekulare Gruppe eines Tumors durch Analyse der Bilddaten vorherzusagen. Durch diese „digitale Biopsie“ erhoffen sich die CancerScout-Wissenschaftler außer Kosteneinsparungen auch eine Beschleunigung der molekularpathologischen Diagnostik.}