Forscher des MD Anderson Cancer Center haben ein KI-Modell entwickelt, das auf gewöhnlichen CT-Aufnahmen Hinweise darauf finden soll, welche Lungenkrebspatienten später eine schwere Nebenwirkung ihrer Immuntherapie entwickeln könnten.
Quellen:
https://jitc.bmj.com/content/14/9/e015014
🔎 Was ist passiert?
Das Modell trägt den Namen CIPHER – „Checkpoint-Inhibitor Pneumonitis Hazard EstimatoR“.
Es untersucht CT-Aufnahmen der Lunge, die ohnehin vor Beginn einer Immuntherapie angefertigt werden.
Gesucht wird dabei nicht nach bereits vorhandener Pneumonitis, sondern nach feinen Mustern im Lungengewebe, die auf ein erhöhtes Risiko hinweisen könnten, später diese Nebenwirkung zu entwickeln.
Eine durch Immuntherapie ausgelöste Pneumonitis ist eine entzündliche Reaktion der Lunge. Sie kann schwer verlaufen und tritt laut MD Anderson bei ungefähr zehn Prozent der mit Immuntherapie behandelten Lungenkrebspatienten auf.
Für die Entwicklung des Basismodells wurden mehr als 590.000 CT-Bildausschnitte von rund 2.500 Lungenkrebspatienten verwendet.
Anschließend testeten die Forscher CIPHER mit CT-Aufnahmen von 347 Patienten mit nicht-kleinzelligem Lungenkrebs und überprüften das Ergebnis zusätzlich an einem unabhängigen externen Datensatz.
Das Modell erreichte in beiden Gruppen eine AUC von ungefähr 0,83 und schnitt damit besser ab als die verglichenen Modelle auf Basis herkömmlicher klinischer Risikofaktoren und klassischer Radiomics-Verfahren.
⚖️ Der Realitätscheck
CIPHER ist noch kein fertiges klinisches Diagnosewerkzeug.
Die Studie zeigt, dass sich aus bereits vorhandenen CT-Aufnahmen offenbar Informationen über das spätere Nebenwirkungsrisiko gewinnen lassen.
Ob das Verfahren im klinischen Alltag zuverlässig genug ist und tatsächlich die Behandlung von Patienten verbessert, muss jedoch erst in größeren und prospektiven Studien untersucht werden.
Die Forscher wollen außerdem prüfen, ob sich der Ansatz auf andere Krebsarten und weitere Nebenwirkungen von Immuntherapien übertragen lässt.
💡 Warum ist das interessant?
Der interessante Punkt ist hier weniger, dass KI eine Krankheit auf einem Bild erkennt.
CIPHER versucht etwas anderes:
Aus einer ganz normalen Aufnahme vor der Therapie sollen Hinweise auf ein zukünftiges Risiko herausgelesen werden, die mit herkömmlichen Methoden bislang kaum sichtbar waren.
Sollte sich dieser Ansatz bestätigen, könnten Ärzte besonders gefährdete Patienten früher erkennen, engmaschiger überwachen oder gezielt in Präventionsstudien aufnehmen.
Die bereits vorhandene medizinische Bildgebung würde damit nicht nur zeigen, wie ein Organ heute aussieht – sondern möglicherweise auch Hinweise darauf liefern, wie es auf eine zukünftige Behandlung reagieren könnte.