KI soll Behandlung bei aggressivem Blasenkrebs verbessern

Dr. med. Markus Eckstein, Advanced Clinician Scientist am Pathologischen Institut des Universitätsklinikums Erlangen

Forscher:innen des Universitätsklinikums Erlangen und das französisch-amerikanische Start-up Owkin arbeiten gemeinsam an KI-Modellen, die die Diagnose von muskelinvasivem Blasenkrebs optimieren sollen. Die Ärzt:innen des Uni-Klinikums hoffen, damit zukünftig Tumore schneller klassifizieren und die Therapie von Patient:innen signifikant verbessern zu können. Owkin könnte mit seiner Technologie Durchbrüche bei der Entwicklung neuer Therapien für schwierig zu behandelnde Krebsarten beschleunigen.

Die Wissenschaftler:innen des Pathologischen Instituts (Direktor: Prof. Dr. med. Arndt Hartmann) des Uni-Klinikums Erlangen arbeiten seit Kurzem mit dem französisch-amerikanischen Start-up Owkin zusammen, um mithilfe von Künstlicher Intelligenz (KI) eine individuell auf den:die Patient:in zugeschnittene Krebstherapie zu entwickeln. In gemeinsamen Projekten sollen KI-Modelle zur Verbesserung der Diagnose von muskelinvasivem Blasenkrebs entwickelt werden – einer aggressiven Form von Blasenkrebs, die in den umgebenden Muskel einwächst und deswegen schwer zu behandeln ist. Während die Prävalenz von Blasenkrebs zurückgegangen ist, hat sich die Sterblichkeitsrate für diese Krankheit in den vergangenen Jahren kaum verändert. Zwar wurden neue Behandlungsmethoden entwickelt, doch sie sind auf Patient:innen mit nachgewiesenen Mutationen bestimmter Gene – FGFR3 oder FGFR2 – beschränkt. Der Grund für Erfolg oder Misserfolg der Behandlung ist noch nicht vollständig geklärt.

Konkret arbeiten der Erlanger Wissenschaftler und sein Team mit Owkin an zwei KI-Modellen: Eines soll das Verständnis verbessern, warum Patient:innen ganz unterschiedlich auf Behandlungen ansprechen. Das andere Modell soll Patholog:innen dabei unterstützen, einfacher und schneller zu erkennen, welche Patient:innen für welche Behandlungsmethode infrage kommen. Dazu gehört etwa die Klärung der Fragen, ob sich mithilfe von KI immunologische Phänotypen vorhersagen lassen. Ziel ist es, zukünftig auf Basis von KI Tumore schneller zu klassifizieren und die Therapie von Patient:innen signifikant zu verbessern.

„Alle unsere Forschungsbemühungen beginnen mit der Frage: Warum sprechen manche Krebspatient:innen gut auf bestimmte Behandlungen an und andere nicht?“, sagt Dr. Thomas Clozel, Mitbegründer und CEO von Owkin. „Wir glauben, dass die Analyse von Patientendaten in großem Maßstab mit modernsten KI-Tools der Weg zur Lösung dieser Herausforderung ist. Dafür arbeiten wir mit Forschern aus ganz Deutschland zusammen, um die neusten KI-Innovationen zu nutzen und so die nächsten medizinischen Durchbrüche für Ärzt:innen und Patient:innen zu ermöglichen.“

Owkin nutzt seine Technologie, um die Entwicklung neuer Arzneimittel und Behandlungen zu beschleunigen sowie Diagnoseinstrumente zu entwickeln, die die Ergebnisse für Patient:innen hinsichtlich der Wirksamkeit von Therapien und Medikamenten verbessern. Eine Technik, bei der Owkin weltweit eine führende Rolle im Bereich des Machine Learning einnimmt, ist das Föderale Lernen. Es ermöglicht das Training hochwertiger Modelle auf Daten, die über mehrere unabhängige Zentren verteilt sind. Das Unternehmen entwickelte auf dieser Basis seine Plattform Owkin Connect – eine vollständig DSGVO- und HIPAA (Health Insurance Portability and Accountability Act)-konforme Lösung für die Durchführung von Data-Science-Projekten mit anonymisierten oder pseudonymisierten Patientendaten. Patientendaten werden niemals weitergegeben, sondern die Algorithmen und Vorhersagemodelle ausschließlich sowie über sichere Kanäle zwischen den teilnehmenden Zentren ausgetauscht. Die Datenpools sind zudem lediglich für die Dauer der Modellentwicklung verfügbar. Das bedeutet, jedes einzelne Krankenhaus und Forschungszentrum behält die volle Kontrolle darüber, was mit den Daten gemacht wird und gibt sie nicht aus der Hand.

Das interdisziplinäre Team bei Owkin (Mediziner:innen, Datenanalyst:innen, Datenwissenschaftler:innen) konzentriert sich aktuell auf acht Indikationen in der Onkologie; hierbei insbesondere auf Subtypen, die besonders schwierig zu behandeln sind und bei denen in den vergangenen zehn Jahren keine wesentlichen Fortschritte erzielt wurden, zum Beispiel beim dreifach-negativen Brustkrebs, beim multiplen Myelom oder beim muskelinvasivem Blasenkrebs. Weitere Indikationen: Lungenkrebs, Mesotheliom, Eierstockkrebs, diffus großzelliges B-Zell-Lymphom und das Glioblastom. Hier hat KI das Potenzial, komplexe Abhängigkeiten zu entdecken, die mit Standardansätzen nur schwer bis gar nicht erfasst werden können.

Zurück