Eine chronische Infektion mit dem Hepatitis-C-Virus (HCV) kann zu Leberzirrhose und in der Folge zu einem hepatozellulären Karzinom (HCC) führen. Daher empfiehlt die aktuelle S3-Leitlinie „Diagnostik und Therapie des hepatozellulären Karzinoms und biliärer Karzinome“ eine regelmäßige Früherkennungsuntersuchung bei fortgeschrittener Leberfibrose.1
In Studien konnte bereits gezeigt werden, dass künstliche Intelligenz (KI), insbesondere maschinelles Lernen und Deep Learning, durch die Analyse umfangreicher Datensätze großes Potenzial bei der HCC-Risikovorhersage und -Diagnostik zeigt.2,3 Eine französische Forschungsgruppe ist der konkreten Frage nachgegangen, ob sich durch den Einsatz von KI das HCC-Risiko einzelner Patient:innen mit HCV-bedingter Leberzirrhose noch besser vorhersagen lässt als mit den bislang üblichen Ultraschalluntersuchungen.4 Diese Patient:innen wurden über mehrere Jahre hinweg halbjährlich mittels Dopplerultraschall untersucht, um die Entwicklung eines HCC zu beobachten.
Besonders nennenswert ist dabei die Identifikation von Risikofaktoren, die mithilfe von KI-Modellen ermittelt wurden. So spielten bei den HCV-Patient:innen vor dem Erreichen eines anhaltenden Ansprechens auf die antivirale HCV-Therapie, der sogenannten Sustained Virological Response (SVR), folgende Risikofaktoren eine Rolle4:
Die Risikofaktoren nach Erreichen der SVR waren
Mit KI konnte man außerdem acht Gruppen von Patient:innen mit unterschiedlich hohem HCC-Risiko ermitteln. Entscheidend für das HCC-Risiko war einerseits, ob die Patient:innen eine SVR erreicht hatten oder nicht, und andererseits, welche Kombination aus Risikofaktoren bei ihnen vorlag. Die beiden Gruppen mit dem höchsten HCC-Risiko fanden sich unter den Patient:innen, die keine SVR erreichten. Die erste Hochrisikogruppe hatte einen niedrigen Serumalbuminspiegel (≤ 40 g/l) und eine niedrige Blutplättchenzahl (≤ 180.000 pro µl), die zweite Hochrisikogruppe hatte einen normwertigen Serumalbuminspiegel und eine noch niedrigere Blutplättchenzahl (≤ 170.000 pro µl).4
Diese Studienergebnisse zeigen, dass KI nicht nur dabei helfen kann, das HCC-Risiko präziser vorherzusagen, sondern auch dabei, das Screening zu verbessern und die Gesundheitsversorgung effizienter zu gestalten. Durch gezielte Überwachung und frühzeitige Intervention können nicht nur Leben gerettet, sondern auch Kosten gesenkt werden.4 Trotz der vielversprechenden Ergebnisse gibt es noch Herausforderungen, die es zu bewältigen gilt, wie die Standardisierung und Generalisierung von KI-Daten.2 Hierbei ist eine interdisziplinäre Zusammenarbeit unerlässlich.3
Referenzen:
DE-UNB-3173
