KI personalisiert jetzt Hirntumor-Therapie

Eine aktuelle wissenschaftliche Untersuchung der Karl Landsteiner Privatuniversität Krems zeigt, wie Mutationen in Gliomen rasch und akkurat mithilfe von künstlicher Intelligenz (KI) diagnostiziert werden können. Gliome sind primäre Tumore des zentralen Nervensystems, die vor allem im Gehirn vorkommen.

Trotz noch immer schlechter Prognose können personalisierte Therapien den Behandlungserfolg aber bereits maßgeblich verbessern. Doch der Einsatz solcher modernen Therapien beruht auf individuellen Tumor-Daten, die bei Gliomen aufgrund ihrer Lokalisation im Gehirn nicht leicht verfügbar sind. Bildgebende Verfahren wie die Magnetresonanztomografie (MRT) können solche Daten liefern, ihre Auswertung ist jedoch komplex, anspruchsvoll und zeitaufwendig.

KI erkennt Mutation

Das Zentralinstitut für medizinische Radiologie-Diagnostik des Universitätsklinikums St. Pölten, einem Lehr- und Forschungsstandort der KL Krems, entwickelt seit Jahren Methoden des Machine- und Deep-Learning, um solche Auswertungen zu automatisieren und in den Routinebetrieb von Kliniken integrieren zu können. Nun gelang dort ein weiterer Durchbruch.

"Tatsächlich haben Patientinnen und Patienten, deren Gliomzellen eine mutierte Form des Gens für Isocitratdehydrogenase (Anm., ein Enzym) tragen, bessere klinische Aussichten als jene, bei denen die Wildtyp-Form vorliegt", erläutert Medizinphysiker Andreas Stadlbauer. Das bedeute, dass die Behandlungen rascher und optimaler individualisiert werden können, je früher man über den Mutationsstatus Bescheid wisse.

Mit Daten aus St. Pölten trainiert

In der aktuellen Studie hat das Team um Andreas Stadelbauer Daten mittels Machine-Learning-Methoden analysiert und ausgewertet, um rascher ein Ergebnis zu erhalten und entsprechende Therapieschritte einleiten zu können. Um zu beurteilen, wie vielversprechend die Ergebnisse sind, wurde in der Studie zunächst auf Daten von 182 Patientinnen und Patienten des Universitätsklinikums St. Pölten zurückgegriffen, deren MRT-Daten nach einheitlichen Protokollen erhoben wurden.

Das erfreuliche Ergebnis: Eine Präzision von 91,7 Prozent und eine Genauigkeit von 87,5 Prozent bei der Unterscheidung zwischen Tumoren mit dem Wildtyp-Gen oder der mutierten Form. "Wir verglichen diese Werte dann auch mit ML-Auswertungen von klassischen klinischen MRT-Daten und konnten zeigen, dass die Verwendung von physio-metabolischen MRT-Daten als Grundlage eindeutig bessere Ergebnisse erzielte", so Stadlbauer

Datenerhebung braucht System

Diese Freude galt jedoch nur so lang, wie die Analyse an den in St. Pölten – nach einheitlichem Protokoll – erhobenen Daten erfolgte. Als die Methode auf Datenbanken anderer Krankenhäuser angewendet wurde, war die KI weniger erfolgreich. Das liege vor allem an den unterschiedlichen Methoden in der Datenerhebung, die von Krankenhaus zu Krankenhaus variieren.

Der Medizinphysiker ist jedoch zuversichtlich, dass dies kein Problem von Dauer ist. Denn mit zunehmendem Einsatz physio-metabolischer MRTs würde die Datenerhebung in absehbarer Zukunft ohnehin standardisiert. Eine schnellere Diagnostik mittels KI habe sich ohnehin schon bewährt und biete einen hervorragenden Ansatz, um zukünftig präoperativ den IDH-Mutationsstatus von Gliom-Betroffenen zu erheben und Therapieoptionen zu individualisieren.