Schon subtile Veränderungen in der Bauchspeicheldrüse können auf eine spätere Tumorerkrankung hinweisen. Ein Algorithmus erkennt Warnsignale für das Pankreaskarzinom – und zwar Jahre, bevor ein Tumor sichtbar wird.
Das Pankreaskarzinom gehört zu den Krebserkrankungen mit der schlechtesten Prognose: Nur acht bis neun Prozent aller Betroffenen leben laut Krebsdaten des RKI zehn Jahre nach der Diagnose noch. Das liegt auch an der späten Entdeckung der Tumoren: Mehr als 85 Prozent der Patienten erhalten ihre Diagnose erst in einem fortgeschrittenen Stadium.
Forschern aus den USA könnte jetzt ein Durchbruch gelungen sein. Mithilfe einer neu entwickelten künstlichen Intelligenz (KI) identifizierten sie auf Routine-CTs subtile Veränderungen der Bauchspeicheldrüse, die einer späteren Tumorerkrankung vorausgehen – im Median 475 Tage vor der eigentlichen Diagnose. Ihre Ergebnisse legen nahe, dass die KI neue Chancen für die Früherkennung dieser besonders aggressiven Krebsart eröffnet.
Zum Hintergrund: Die Früherkennung des Pankreaskarzinoms gehört seit Jahrzehnten zu den größten Herausforderungen der Onkologie. Anders als bei Brustkrebs, Darmkrebs oder Lungenkrebs gibt es bislang kein etabliertes Screening für die große Mehrheit der sporadisch auftretenden Fälle. Sprich: Die Erkrankung entwickelt sich oft über Jahre hinweg unbemerkt, ohne in der Bildgebung erkennbare Spuren zu hinterlassen.
Zwar ist bekannt, dass bestimmte Risikogruppen, etwa Menschen mit neu aufgetretenem Diabetes mellitus, ein deutlich erhöhtes Erkrankungsrisiko tragen. Doch selbst moderne CTs können die Krankheit in ihrer frühen, potenziell heilbaren Phase meist nicht erfassen. Die Bauchspeicheldrüse erscheint häufig völlig unauffällig, sodass die Diagnose oft erst gestellt wird, wenn bereits ein sichtbarer Tumor entstanden ist – und damit häufig zu spät für eine kurative Behandlung.
Genau hier setzt die neue KI-Plattform REDMOD („Radiomics-based Early Detection Model“) an. Das System analysiert keine sichtbaren Tumoren, sondern mikroskopisch kleine Veränderungen der Gewebestruktur, die sich in den Bilddaten von CTs verbergen. Grundlage ist die Radiomik: ein Verfahren zur Analyse von Bilddaten mithilfe von Computeralgorithmen und künstlicher Intelligenz. Dabei werden zahlreiche quantitative Merkmale wie Form, Struktur oder Gewebebeschaffenheit erfasst, die mit bloßem Auge oft nicht erkennbar sind. Die Forscher kombinierten dabei eine vollautomatische KI-basierte Segmentierung der Bauchspeicheldrüse mit einem Ensemble aus mehreren Machine-Learning-Modellen.
Im Zuge der Entwicklung wurden 1.462 CT-Untersuchungen ausgewertet. Diese Trainingsdaten umfassten 219 Aufnahmen von Patienten, bei denen später ein Pankreaskarzinom diagnostiziert wurde, sowie 1.243 Kontrolluntersuchungen. Entscheidend war, dass alle prädiagnostischen CTs zum Zeitpunkt ihrer Anfertigung von Radiologen als unauffällig beurteilt worden waren. Auch eine erneute Begutachtung durch erfahrene Experten lieferte keine Hinweise.
Im unabhängigen Testdatensatz erreichte REDMOD eine Fläche unter der ROC-Kurve (AUC) von 0,82 (0,8-0,9: gute Vorhersagekraft). Die Sensitivität lag bei rund 73 Prozent, die Spezifität bei rund 81 Prozent. Besonders bemerkenswert ist der zeitliche Vorsprung. Die KI identifizierte die späteren Karzinompatienten im Median 475 Tage vor der histologischen Diagnose. Selbst bei Untersuchungen, die mehr als 2 Jahre vor der eigentlichen Krebsdiagnose durchgeführt worden waren, erkannte das System noch rund 68 Prozent der Fälle.
Die Ergebnisse stützen die Hypothese, dass es bereits lange vor dem Auftreten eines sichtbaren Tumors zu Veränderungen im gesamten Pankreasgewebe kommt. Sie scheinen von KI-Algorithmen zuverlässig erkannt zu werden.
Besonders relevant für die klinische Praxis ist auch der direkte Vergleich mit Ärzten. Zwei erfahrene abdominale Radiologen beurteilten sämtliche CT-Aufnahmen des Testdatensatzes unabhängig voneinander und verblindet. Während REDMOD eine Sensitivität von 73 Prozent erreichte, lag die Sensitivität der Radiologen im Mittel bei 38,9 Prozent. Der Vorsprung der KI nahm mit zunehmendem Abstand zur späteren Diagnose sogar noch zu. Bei CT-Untersuchungen, die mehr als 24 Monate vor der Tumordiagnose durchgeführt worden waren, erkannte REDMOD fast dreimal so viele Fälle wie die menschlichen Befunder. Bei der Studie zeigte sich eine erhebliche Variabilität zwischen den Radiologen. Einer der Befunder erzielte eine Sensitivität von 55,5 Prozent, der andere lediglich 22,2 Prozent. Die Übereinstimmung zwischen beiden Experten fiel insgesamt nur moderat aus.
Ein häufiges Problem vieler KI-Anwendungen ist, dass ihre Ergebnisse bei wiederholten Untersuchungen nicht immer gleich ausfallen. Für ein Screeningverfahren wäre das ein großer Nachteil. Deshalb untersuchten die Forscher auch, wie zuverlässig REDMOD über mehrere CT-Aufnahmen desselben Patienten hinweg arbeitet. Ihr Ergebnis: Die Vorhersagen erwiesen sich als sehr stabil. Bei den gesunden Kontrollpersonen blieb die Einschätzung der KI in 92 Prozent der Fälle unverändert, bei Patienten, die später an einem Pankreaskarzinom erkrankten, waren es 90 Prozent.
Die Analysen liefern auch Hinweise darauf, welche biologischen Prozesse hinter den Vorhersagen stehen könnten. Von den 40 wichtigsten Bildmerkmalen stammten 90 Prozent aus speziell gefilterten Texturinformationen. Diese Merkmale erfassen feinste Veränderungen der Gewebearchitektur, die mit herkömmlicher Bildbetrachtung nicht sichtbar sind. Die Autoren vermuten, dass frühe Tumorentwicklungen bereits lange vor der Bildung einer sichtbaren Raumforderung zu mikroskopischen Umbauprozessen im Pankreas führen. REDMOD scheint genau diese Veränderungen zu erfassen. In Einzelfällen konnten Regionen mit auffälligen radiomischen Signaturen später tatsächlich mit dem Ort der Tumorentstehung in Verbindung gebracht werden.
Trotz der vielversprechenden Ergebnisse sehen die Autoren ihre Technologie noch nicht als Screeningverfahren für die Praxis. Die Studie zeigt zunächst, dass die KI in der Lage ist, präklinische Signaturen des Pankreaskarzinoms zu erkennen. Ob dies tatsächlich zu einer verbesserten Überlebensrate führt, muss erst in prospektiven Studien nachgewiesen werden. Deshalb bereiten die Wissenschaftler die AI-PACED-Studie vor, um REDMOD unter realen klinischen Bedingungen zu testen. Dabei wollen sie untersuchen, wie Radiologen und KI optimal zusammenarbeiten und wie sich Fehlalarme reduzieren lassen.
Alles in allem ist die Arbeit ein wichtiger Schritt auf dem Weg zu einer früheren Diagnose des Pankreaskarzinoms. Sollte sich der Ansatz in prospektiven Studien bestätigen, könnte erstmals ein Instrument zur Verfügung stehen, um die Erkrankung in einem Stadium zu erkennen, in dem eine kurative Behandlung noch realistisch erscheint. Für eine Krebsart mit bislang äußerst schlechter Prognose wäre dies ein immenser Fortschritt.
Bildquelle: Getty Images, Unsplash
