Leberkrebsdiagnose mit KI und hochwertigen Datensätzen
Leberkrebs wird oft spät entdeckt und ist dann schwer heilbar. Die Haupt-Risikogruppe sind Menschen, die an Leberzirrhose erkrankt sind. Gerade für sie sind regelmäßige Untersuchungen wichtig, denn Früherkennung verbessert die Prognose erheblich.
Leberkrebs wird oft spät entdeckt und ist dann schwer heilbar. Die Haupt-Risikogruppe sind Menschen, die an Leberzirrhose erkrankt sind. Gerade für sie sind regelmäßige Untersuchungen wichtig, denn Früherkennung verbessert die Prognose erheblich.
Andreas Teufel sieht allerdings zwei Hürden: „Das eine ist, die Leute gehen nicht zur Vorsorge. Und das andere ist die unterschiedliche Qualität, mit der die Untersuchung durchgeführt wird.“ Der Bioinformatiker leitet das im Rahmen der Nationalen Dekade gegen Krebs geförderte Projekt Q-HCC, das die Früherkennung und Therapie von Leberkrebs verbessern will. Die Methode soll objektiver sein als bisherige Ansätze. Sie kombiniert verschiedene Datenquellen: Bildgebungsdaten, den Krankheitsverlauf, die Therapieansprechen, das Genprofil des Tumors sowie Laborwerte. Diese Daten werden mithilfe von (KI) ausgewertet.
Neues Vorgehen kombiniert Bilddaten und KI
Bisher nutzten Ärztinnen und Ärzte Ultraschall für das Screening der Hochrisikogruppe. Q-HCC hingegen setzt auf Magnetresonanztomographie (MRT), die Struktur und Funktion von Geweben detailliert abbildet. Die Bildqualität ist weniger vom Untersuchenden abhängig als beim Ultraschall, weil die Bildaufnahme weitgehend automatisiert durch das Gerät selbst erfolgt. Im MRT-Bild suchen die Forschenden mit KI nach Hinweisen auf Krebs. Die Software erkennt selbst kleinste Bildveränderungen im Vergleich zur letzten Vorsorgeuntersuchung – auch solche, die dem menschlichen Auge verborgen bleiben.
Erstmals umfassende Datensätze
Die KI muss zunächst lernen, welche Bildveränderungen auf Krebs hindeuten. Dazu braucht es hochwertige Trainingsdatensätze. „Die KI ist immer nur so gut, wie die Daten, die man zum Training rein gibt“, erklärt Prof. Teufel. Er und sein Team nutzen eine Radiomics-Plattform der Deutschen und Österreichischen Röntgengesellschaften, auf der eigene Datensätze und Bilder gespeichert und durch neuronale Netze ausgewertet werden können (s. Weitere Informationen). Für Q-HCC führen sie hier erstmals umfassende Informationen von bereits behandelten HCC-Patientinnen und -Patienten aus Kliniken und Laboren zusammen.
KI-Training: Muster erkennen, Vorhersagen ableiten und evaluieren
Mit diesen zusammengeführten Datensätzen trainieren die Forschenden die Künstliche Intelligenz. Der lernfähige Algorithmus analysiert die Leberbilder auf kleinste Veränderungen und setzt diese in Zusammenhang mit den genetischen und molekularen Eigenschaften des Tumors, dem Erkrankungsverlauf oder dem Therapieansprechen. Die so aufgedeckten Zusammenhänge ermöglichen entsprechende Vorhersagen für künftige Patientinnen und Patienten und die Auswahl der bestmöglichen Behandlung.
Die KI-basierten Auswertungen sollen zum Beispiel erkennen:
- wann sich aus einer Leberzirrhose ein Krebs entwickelt,
- wie gut bestimmte personalisierte Therapien anschlagen,
- wie wahrscheinlich das Wiederkehren des Tumors nach einer Operation ist, um so Personen mit guter Prognose für eine Lebertransplantation zu identifizieren.
Benutzerfreundlichkeit und Datenschutz
Die Projektbeteiligten entwickeln zudem noch eine einfach zu bedienende Nutzeroberfläche, da „die Ärzte in aller Regel nicht programmieren können“, erklärt Prof. Teufel. So können auch medizinische Fachkräfte ohne Programmierkenntnisse die Daten nutzen und die KI mit verschiedenen Fragestellungen beauftragen.
Anonymisierung und die Erstellung digitaler Zwillinge gewährleisten den Schutz der Patientendaten. Der Datensatz wird der wissenschaftlichen Gemeinschaft kostenfrei zur Verfügung gestellt. Das Projekt läuft seit Dezember 2022 und erhielt eine Förderung des Bundesforschungsministeriums von rund 500.000 Euro.
