Moderne KI-Systeme können riesige Mengen medizinischer Daten auswerten, von genetischen Informationen bis hin zu Bildbefunden. Dadurch erkennen sie Muster, die für das menschliche Auge unsichtbar bleiben. So kann beispielsweise die Analyse molekularer Tumorprofile helfen, gezielt Therapien für Patient:innen mit bestimmten Mutationen zu identifizieren. Dennoch profitieren nur etwa zehn Prozent aller Betroffenen von genetisch definierten Therapien.1 KI verspricht, diese Lücke zu schließen, indem sie bislang unerkannte Zielstrukturen aufspürt und Mechanismen der Tumorentstehung entschlüsselt.2,3
Künstliche Intelligenz findet zunehmend Eingang in verschiedene Bereiche der onkologischen Diagnostik. So sind KI-Systeme inzwischen in der Lage, anhand von CT-Bilddaten histologische Merkmale von Tumoren zu erkennen und individuelle Prognosewahrscheinlichkeiten zu berechnen.4,5 Auch bei endoskopischen Verfahren unterstützen KI-gestützte Anwendungen die Erkennung maligner Läsionen und tragen so zu einer höheren diagnostischen Sicherheit für Patient:innen bei.6,7 Besonders dynamisch entwickelt sich der Einsatz in der molekularpathologischen Diagnostik: Studien zeigen, dass KI-Systeme allein durch die Analyse konventioneller histologischer HE (Hämatoxylin-Eosin)-Färbungen nicht nur einzelne Treibermutationen, sondern ganze Muster genetischer Veränderungen identifizieren können – ohne den Einsatz zusätzlicher molekularpathologischer Labormethoden.8
Auf dem ESMO Targeted Anticancer Therapies Congress 2025 wurde deutlich: KI revolutioniert auch die Medikamentenforschung. Durch Machine- und Deep-Learning-Algorithmen können neue Wirkstoffziele schneller identifiziert und validiert werden. Während die Menge an genomischen Daten rasant wächst, hinkt die Entwicklung neuer Medikamente hinterher – eine Lücke, die KI schließen könnte. Forschende wie Dr. Bissan Al-Lazikani vom MD Anderson Cancer Center sehen darin den Schlüssel, um den Weg von der Idee bis zur klinischen Studie deutlich zu verkürzen, im Idealfall auf nur drei Jahre.2
Trotz der vielversprechenden Entwicklungen stehen die flächendeckende Implementierung und Nutzung digitaler Technologien in der Onkologie noch vor erheblichen Herausforderungen. In vielen Einrichtungen ist die digitale Infrastruktur bislang nur teilweise ausgebaut; häufig bestehen hybride Systeme mit parallelen analogen und digitalen Prozessen. Zudem erschweren heterogene Datenformate und mangelnde Standardisierung eine effiziente Integration und Nutzung vorhandener Informationen. Fragen der Datenqualität, Interoperabilität und sicheren Vernetzung bleiben zentrale Aufgaben für Forschung und Gesundheitspolitik. Hinzu kommen ethische, rechtliche und regulatorische Aspekte: Die Verantwortung bei KI-gestützten Entscheidungen, der Schutz sensibler Gesundheitsdaten sowie die Nachvollziehbarkeit algorithmischer Prozesse müssen klar geregelt werden, um Vertrauen und Akzeptanz im klinischen Alltag zu sichern.3
Ein Beitrag von Daiichi Sankyo Deutschland GmbH und AstraZeneca GmbH Freigabenummer: DE/ADC/11/25/0034Referenzen:
