KI-Instrument sagt erneutes Tumorwachstum bei Krebspatienten voraus
Die Überwachung von Krebs-Patient*innen nach der Behandlung stellt sicher, dass bei einem Wiederauftreten der Erkrankung so schnell wie möglich gehandelt wird.
Wie der Guardian berichtet, haben Ärzt*innen und Wissenschaftler*innen des Royal Marsden NHS Foundation Trust, des Institute of Cancer Research und des Imperial College London nun ein Modell mit maschinellem Lernen entwickelt, das die Rückkehr-Wahrscheinlichkeit von Krebs vorhersagen kann.
"Dies ist ein wichtiger Schritt nach vorn, um mit Hilfe von KI zu verstehen, welche Patienten das höchste Risiko für ein Krebsrezidiv haben, und dieses Rezidiv früher zu erkennen, so dass eine erneute Behandlung wirksamer sein kann", sagte Richard Lee, Facharzt für Lungenheilkunde und Früherkennung am Royal Marsden NHS Foundation Trust gegenüber der britischen Tageszeitung.
Präziser als bisherige Methoden
Die Forscher*innen verwendeten hierfür klinische Daten von 657 Lungenkrebs-Patient*innen, die in 5 britischen Krankenhäusern behandelt wurden, um ihr Modell zu speisen. Außerdem fügten sie Daten von verschiedenen prognostischen Faktoren hinzu. Dazu gehörten das Alter, das Geschlecht, der BMI, der Raucherstatus, die Intensität der Strahlentherapie und die Merkmale des Tumors.
"Da diese Art von Daten leicht zugänglich ist, könnte diese Methodik in verschiedenen Gesundheitssystemen angewandt werden“, sagt Lee.
Mit dem Tool wurde dann ermittelt, wie lange es dauern könnte, bis ein Rezidiv auftritt. Außerdem wurde so die Gesamtüberlebenszeit 2 Jahre nach der Behandlung bestimmt. Das KI-Instrument erwies sich bei der Vorhersage der Ergebnisse als genauer als herkömmliche Methoden.
Ängste und Untersuchungen vermeiden
Laut Lee könnte die Studie nicht nur die Kontrolle für Krebspatient*innen verbessern, sondern auch deren Ängste lindern. "Wir hoffen, die Möglichkeiten zu erweitern, um die Versorgung von Krebspatienten zu verbessern, ihnen zu helfen, länger zu leben, und die Auswirkungen der Krankheit auf ihr Leben zu verringern."
Weiters könnten Patient*innen mit geringem Risiko nicht erforderlichen Nachuntersuchungen und Krankenhausaufenthalten entgehen. "Eine Verringerung der Anzahl der erforderlichen Scans kann in dieser Situation hilfreich sein und auch die Strahlenbelastung und die Krankenhausbesuche reduzieren sowie die wertvollen NHS-Ressourcen effizienter nutzen", erklärt Lee.