Digitale Biomarker – Künstliche Intelligenz in der Präzisionsonkologie (TPI)
Ressortforschung im Handlungsfeld „Digitalisierung“, Förderschwerpunkt „Digitale Innovationen“
© Copyright: T. Brinker
Motivation
Ein erklärtes Ziel der Krebsmedizin ist es, in naher Zukunft jeder Krebspatientin und jedem Krebspatienten eine individuell zugeschnittene Therapie zu ermöglichen. Hierzu sind neue Biomarker nötig, die dabei helfen, die individuelle Prognose und das voraussichtliche Therapieansprechen besser einzuschätzen. Um solche Biomarker zu entwickeln, können medizinische Daten genutzt werden, die aufgrund der Dokumentations- und Archivierungspflichten in Deutschland bereits vorhanden sind. Diese sensiblen Daten unterliegen jedoch datenschutzrechtlichen Bestimmungen und können nicht ohne Rechtsgrundlage verarbeitet und für Analysen verwendet werden. Aus diesem Grund soll das Projekt „Tumorverhaltens-Prädiktions-Initiative“ (TPI) eine Vorgehensweise entwickeln, die es erlaubt, gemäß den rechtlichen Vorgaben vorhandene Daten in Kliniken und medizinischen Instituten zu nutzen.
Ziele und Vorgehen
Ziel ist es, mithilfe von auf Künstlicher Intelligenz (KI) basierten Gewebeschnittanalysen neue, digitale Biomarker zu bestimmen. Diese können dabei helfen, die individuelle Prognose von Patientinnen und Patienten mit Brustkrebs, Prostatakarzinom oder malignem Melanom sowie das Ansprechen auf bestimmte Therapien besser einzuschätzen. Wie sich Krebs verhält, hängt von seiner genetischen Zusammensetzung und seiner Umgebung ab. Um in andere Gewebe eindringen und sich im gesamten Körper ausbreiten zu können, müssen sich die Krebszellen verändern. Solche Veränderungen könnten durch KI-basierte Bildanalysen des Tumorgewebes nachweisbar sein. Hierfür sollen mithilfe von Computeralgorithmen Modelle zur Bilderkennung entwickelt werden, die mit sehr hoher Genauigkeit bereits am Tumor erkennen können, wie groß die Streuwahrscheinlichkeit der Krebserkrankung ist und wenn möglich auch Aussagen zum möglichen Ansprechen auf bestimmte Behandlungen treffen. Die Modelle sollen mithilfe des föderierten Lernens trainiert werden, bei dem die zum Teil sensiblen Daten bei den Kooperationspartnern verbleiben und die Modelle jeweils dort lokal verbessert werden. Zusätzlich wird eine aufzubauende Internetplattform den gesellschaftlich-wissenschaftlichen Austausch fördern. So sollen Patientenorganisationen Vorhaben kommentieren und bewerten können sowie gut verständliche Informationen zu den Ergebnissen abgeschlossener Forschungsprojekte erhalten.
Perspektiven für die Praxis
Mithilfe der zu entwickelnden Algorithmen könnte durch die verbesserte Diagnostik Krebserkrankten in Zukunft eine optimierte Behandlung angeboten werden. Unnötige belastende Diagnose- und Therapieverfahren könnten den Betroffenen so erspart werden. Ebenso könnten Einsparungen im Gesundheitssystem möglich werden. Die Vorgehensweise des föderierten Lernens soll im Medizinbereich etabliert werden, sodass datenschutz- und datensicherheitskonforme Forschung insbesondere innerhalb großer Konsortien und Forschungsprojekte möglich wird. Die Erkenntnisse aus dem Projekt werden für die Forschungsgemeinschaft verfügbar gemacht und sind voraussichtlich auf andere daten- bzw. KI-basierte Projekte im Gesundheitsbereich übertragbar. Die Treffen der Projektpartner sollen unter anderem genutzt werden, um die Möglichkeiten der Integration von KI-basierten Assistenzsystemen in den Klinikalltag zu diskutieren, eine größere Akzeptanz beim Fachpersonal in den Blick zu nehmen und die Patientinnen und Patienten gezielt einzubeziehen. Außerdem soll betrachtet werden, wie ein solches System nachhaltig in die Versorgungslandschaft integriert werden kann. Die Plattform fragdiepatienten.de soll wenn möglich auch auf außerhalb des Konsortiums geplante Projekte im Gesundheitsbereich ausgeweitet und im Erfolgsfall nachhaltig von den Projektbeteiligten weitergeführt werden.
Ergebnisse
Zahlreiche digitale Bilder von gefärbten Gewebeschnitten wurden zusammen mit klinischen Daten sowie in einigen Fällen zusammen mit molekulargenetischen Informationen (Methylierungsanalyse) zum Training von Deep-Learning-Bildanalyse-Algorithmen verwendet. Dazu wurden die Daten teilweise zusammengeführt, teilweise wurde das maschinelle Lernen an separaten Datenbanken durchgeführt („föderiertes Lernen“). Die Qualität der dadurch erhaltenen, digitalen Biomarker wurde anhand externer Datensätzen validiert. Die Leistungsfähigkeit der automatisierten Bildauswertung stellte sich dabei, je nach Krebstyp, als sehr unterschiedlich heraus. Während die Unterscheidung zwischen Melanomen und harmlosen Hautveränderungen sehr gut gelang, war z. B. die Diagnose von Brustkrebs alleine aus den Bilddaten nicht möglich.
Im Rahmen der gesundheitsökonomischen Analyse wurde vertieft betrachtet, inwiefern die automatisierte Vorhersage der Lymphknoten-Beteiligung an Krebserkrankungen aus ökonomischer Sicht vorteilhaft ist, z. B. um unnötige Untersuchungen und Behandlungen zu vermeiden. Zudem wurde untersucht, ob Entscheidungen zu Behandlungsoptionen durch KI verbessert werden können. Die vorläufige Analyse ergab, dass insbesondere KI-Methoden mit hoher Sensitivität das Potenzial haben, Therapien auch aus ökonomischer Sicht zu verbessern.
Die Umfrageplattform „fragdiepatienten.de“ wurde im September 2021 live geschaltet.
Verwertung
Die Ergebnisse des Vorhabens wurden breit veröffentlicht und können so von anderen Forschungs-gruppen genutzt werden. Für eine Nutzung im Klinikbetrieb müssen Genauigkeit und Robustheit der digitalen Biomarker verbessert werden. Dies scheint grundsätzlich möglich zu sein und die beteiligten Partnerinnen und Partner planen hierzu bereits weitere Arbeiten.
Die Umfrageplattform „fragdiepatienten.de“ wird vom Krebsinformationsdienst weiterbetrieben und kann somit auch von jeder Bürgerin und jedem Bürger ohne Einschränkung genutzt werden.
Fakten zum Projekt
Projektleitung
Deutsches Krebsforschungszentrum
(DKFZ)
Dr. Titus J. Brinker
Im Neuenheimer Feld 460
69120 Heidelberg
Projektlaufzeit
01.03.2020 bis 31.12.2022
Projektbeteiligte
-
Universitätsklinikum Mannheim
-
TMF e. V.
Das Projekt ist Teil des Forschungsschwerpunkts „Digitale Innovationen“ für die Verbesserung der patientenzentrierten Versorgung im Gesundheitswesen.
Ansprechperson
Dr. Joachim Burbiel
DLR Projektträger
projekttraeger-bmg(at)dlr.de
Weitere Informationen
-
Handlungsfeld „Digitalisierung“
Die Digitalisierung des Gesundheitswesens und ihre Auswirkungen u. a. auf die Patientinnen- und Patientenversorgung bietet große Chancen. Hier erfahren Sie mehr zum gesundheitspolitischen Handlungsfeld „Digitalisierung“.
-
Forschungsschwerpunkt „Digitale Innovation“
Die Digitalisierung im Gesundheitswesen kann die Qualität und Wirtschaftlichkeit der deutschen Gesundheitsversorgung stärken und weiterentwickeln. Hier erfahren Sie mehr zum Forschungsschwerpunkt „Digitale Innovation“.
-
Überblick Forschungsschwerpunkte
Das BMG fördert neben Einzelvorhaben insbesondere Forschungsaktivitäten zu übergreifenden Themen. Die Förderschwerpunkte richten sich nach den Handlungsfeldern der Ressortforschung. Hier gelangen Sie zum Überblick.