Wie ein digitaler Zwilling Leben retten kann

Künstliche Intelligenz als »Text-Grubenarbeiter«

Darmkrebs wird nach wie vor maßgeblich nach diesen Leitlinien behandelt. Bei einigen Patientinnen und Patienten breiten sich jedoch immer wieder erneut Tumoren im Körper aus – speziell in diesen Fällen können alternative Behandlungswege, die bisher nicht in den Leitlinien umgesetzt sind, von Interesse sein. Für die behandelnden Ärztinnen und Ärzte bedeutet das, gegebenenfalls wissenschaftliche Publikationen über klinische Studien zu durchforsten und nach zielführenderen Therapien zu suchen.

Ein aufwendiges Unterfangen – und eine weitere Anwendung, wo Künstliche Intelligenz gezielt unterstützen kann. In dem vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojekt Electronic Patient Path EPP arbeitet Jil Sander, Geschäftsfeldleiterin am Fraunhofer-Institut für Intelligente Analyse und Informationssysteme IAIS, mit an einer entsprechenden Text-Mining-Lösung: »Die KI durchsucht öffentliche Zusammenfassungen medizinischer Publikationen nach Therapien, deren Wirksamkeit für Patientengruppen anhand bestimmter Biomarker abgeschätzt werden kann. Die entsprechenden Veröffentlichungen werden dann dem Arzt oder der Ärztin als Lesematerial für mögliche Therapien bei Darmkrebs vorgeschlagen.« Ein Biomarker kann dabei zum Beispiel ein Gen sein, das in den Tumorzellen mancher, aber nicht aller Patientinnen und Patienten mutiert ist. Nun kann es sein, dass eine Chemotherapie etwa bei der Gruppe mit dem mutierten Gen gute Erfolge erzielt, bei der zweiten Gruppe jedoch kaum Wirkung zeigt. Ärztinnen und Ärzte können auf diese Weise bestimmte Patientengruppen bilden und nach Behandlungsmöglichkeiten suchen, die speziell für diese Gruppe optimal sind.

Das Programm sucht jedoch nicht nur nach Schlagworten – das wäre mit einem einfachen Such-Algorithmus zu leisten –, sondern lernt, bestimmte Begriffsklassen, sogenannte Entitäten, und deren Verknüpfungen, sogenannte Relationen, über den Kontext zu identifizieren. Dies ermöglicht es zum Beispiel, zu erkennen, ob eine bestimmte Therapie auch wirklich bei einem Krankheitsbild angewendet wurde – im Vergleich zu einer simplen Aufzählung von Therapien und Krankheitsbildern innerhalb eines Textes. Auch gänzlich neue Entitäten, etwa neuartige Behandlungsmöglichkeiten, die bis dato noch in keiner Datenbank hinterlegt und daher auch noch nicht verschlagwortet sind, kann das System erkennen. Das Projekt umfasst allerdings nicht nur die Text-Mining-Lösungen. Ziel ist es, mit dem Electronic Patient Path (EPP) ein Gesamtsystem für die Therapieführung bei Darmkrebs jenseits der Leitlinien zu entwickeln. Darum arbeiten hier die wissenschaftlichen Partner Ruhr-Universität Bochum, Universität Bonn, Hochschule Hamm-Lippstadt und Fraunhofer IAIS mit den klinischen Partnern Universität zu Lübeck und Universitätsklinikum Schleswig-Holstein Campus Lübeck zusammen. Langfristig soll das Programm Ärztinnen und Ärzten unter anderem helfen, neue Studien zielgerichteter herauszupicken und die Behandlungserfolge bei Krebserkrankungen nach oben zu treiben – beispielsweise, indem die EPP-Methodik bei dem Leitprojekt MED²ICIN sowohl für Darmkrebs als auch übertragen auf andere Krankheitsbilder fortlaufend weiterentwickelt wird. Aber auch hier gilt: Die Künstliche Intelligenz hinter dem Gesamtsystem soll Ärztin oder Arzt unterstützen, nicht ersetzen.

Besondere Herausforderung: der Kopf-Hals-Bereich

Hat sich im Kopf-Hals-Bereich ein Tumor gebildet, stehen Ärztinnen und Ärzte vor besonderen Herausforderungen. Da hier zahlreiche verschiedene Strukturen auf relativ engem Raum beisammen liegen, ist die Bestrahlung oder andere Behandlung eines solchen Tumors besonders herausfordernd. Schließlich sollen die hochenergetischen Strahlen zwar den Tumor zerstören, jedoch die in nächster Nähe liegenden empfindlichen Organe möglichst wenig schädigen. Ein KI-System, das die Forscherinnen und Forscher des Fraunhofer IGD bereits vor einigen Jahren entwickelt haben, erkennt anatomische Strukturen wie Rückenmark, Blutgefäß, Kehlkopf und Co. in computertomographischen Bilddaten vollständig und stellt die Ergebnisse anschaulich dar. Wofür ein Mensch mehrere Stunden benötigt, das schafft die KI in nur vier Minuten.

Neu ist: Die Künstliche Intelligenz kann nun auch den Tumor automatisch erkennen. »Unser Softwaretool lokalisiert und markiert den Tumor in den computertomographischen Aufnahmen, stellt ihn dreidimensional dar und analysiert die entsprechenden Bilddaten«, erklärt Wesarg. Das System basiert auf neuronalen Netzen, trainiert wurde es mit Daten, in denen der Tumor manuell markiert wurde. Aus diesen erstellte sich das System ein entsprechendes Muster. Dazu kommen weitere Informationen aus dem Kopf-Hals-Atlas, etwa: Hier liegt der vollkommen gesund aussehende Kehlkopf, das System braucht dort also nicht nach dem Tumor zu suchen. Die Ergebnisse des Kopf-Hals-Atlasses dienen somit als Vorauswahl.

Wie ist die Helligkeitsverteilung innerhalb des Tumors? Gibt es etwas, das einem Menschen nicht augenfällig ist? Diese Fragen beantwortet das Tool über verschiedene beschreibende Parameter: Insgesamt lassen sich über hundert Parameter dieser Art per Software aus den Aufnahmen eines Kopf-Hals-Tumors herausziehen.

Schneller, kostengünstiger und schonender als eine Biopsie

Erste Ergebnisse zeigen: Die CT-Bilder können auf diese Weise sogar Informationen liefern, die man sonst nur über einen operativen Eingriff und eine anschließende Laboruntersuchung des entnommenen Tumorgewebes gewinnen könnte. »So ist beispielsweise denkbar, einen Zusammenhang zu finden zwischen dem Intensitätsmuster innerhalb der Tumorregion und einer Zellauffälligkeit, die im Labor festgestellt wurde. Hat man genügend Patientinnen und Patienten, so könnte man – statistisch gesichert – eines Tages aus der Erscheinung des Tumors in den Bilddaten auf krankhafte Zellveränderungen schließen.« Aussagen über Gewebemerkmale lassen sich zukünftig also – so die Hypothese – mithilfe von Künstlicher Intelligenz treffen, eine reale Biopsie wäre dann nicht mehr notwendig. Dies schont zum einen die Patientinnen und Patienten, zum anderen das Budget der Krankenkassen. Zudem liegen die Ergebnisse deutlich schneller vor als dies bei einer Biopsie und der anschließenden Laboruntersuchung des entnommenen Gewebes der Fall wäre.

Teile der Technologie werden in ersten Testläufen bereits eingesetzt: in der HNO-Klinik des Universitätsklinikums Düsseldorf. Die Ärztinnen und Ärzte dort nutzen die Technologie, um Patientendaten rückblickend zu analysieren und die Aufteilung in die Kohorten zu überprüfen. Die Frage, die dieser Test in den nächsten Monaten beantworten soll: Wie korrelieren die KI-Ergebnisse mit dem Erfahrungswissen? Ein erster Schritt hin zur individuellen Behandlung ist somit getan.

Langfristig soll die medizinische Versorgung tatsächlich personalisiert, also für jeden Patienten diejenige Therapie mit der höchsten Erfolgswahrscheinlichkeit identifiziert werden. Um dies zu erreichen, ließen sich die für den Kopf-Hals-Bereich entwickelten Algorithmen auch auf andere Krebsarten ausweiten. Dazu braucht der Algorithmus jedoch entsprechende Informationen, welche Strukturen es in den Bilddaten zu erkennen gilt – schließlich hat ein Tumor im Kopf-Nacken-Bereich andere Merkmale als ein Lungentumor.

Mit der MedCom GmbH aus Darmstadt, einer Ausgründung des Fraunhofer IGD, wollen die Forscherinnen und Forscher zudem noch etwas früher ansetzen. Und zwar bei der Erstdiagnose: Im BMBF-Projekt ECHOMICS analysieren sie mithilfe der Künstlichen Intelligenz in Ultraschall-Aufnahmen die Lymphknoten analog zur »Biopsie-Technologie«. Denn: Sind die Lymphknoten dauerhaft vergrößert, kann dies auf einen Tumor im Körper hinweisen. Auf diese Weise könnten Ärztinnen und Ärzte Tumoren bereits deutlich früher erkennen als bisher und somit schneller und erfolgsversprechender behandeln.

Komplikationen nach Knochenmarkstransplantationen vorhersagen

Wenn eine Strahlen- oder chemotherapeutische Behandlung von Leukämien oder Lymphomen keinen ausreichenden Erfolg bringt, besteht meist nur eine einzige Chance auf Heilung: die Transplantation von Knochenmark- oder Blutstammzellen. Doch auch hier sind die Aussichten auf Erfolg begrenzt, viele Patienten sterben trotz Transplantation. Der Grund: Vor der Transplantation werden alle Blutstammzellen getötet – und damit auch die weißen Blutkörperchen, die das Immunsystem ausmachen. Durch die Transplantation »erbt« der Patient stattdessen das Immunsystem des Spenders. Dieses kann sich jedoch gegen den Patienten richten. Auch ist es möglich, dass das neue Immunsystem im Patientenkörper schlummernde Krankheitserreger nicht kennt und Infektionskrankheiten mit einem schweren Verlauf ausbrechen.

Ob das neue Immunsystem solcherlei Probleme hervorruft, wollen die Forscherinnen und Forscher des Fraunhofer-Instituts für Biomedizinische Technik IBMT zusammen mit ihren Partnern von der Universität des Saarlandes, der Universität Tübingen, dem Universitätsklinikum Essen und der Firma Averbis nun im Projekt »XplOit« mit Hilfe von Künstlicher Intelligenz vorhersagen. War die Transplantation erfolgreich? Kommt es zu gefährlichen Virusinfektionen oder Reaktionen des neuen Immunsystems gegen den eigenen Körper? Wie hoch ist die Wahrscheinlichkeit, dass der Patient überlebt? Mit welcher Wahrscheinlichkeit breitet sich der Krebs erneut in seinem Körper aus? »Mit unserer »XplOit«-Plattform können lebensbedrohliche Komplikationen schneller erkannt und frühzeitiger als heute behandelt werden«, sagt Projektkoordinator Stephan Kiefer vom Fraunhofer IBMT.

Um den Vorhersageverfahren beizubringen, worauf es zu achten gilt, haben die Wissenschaftler sie mit repräsentativen klinischen Daten der beteiligten Stammzelltransplantationszentren aus Essen und dem Saarland trainiert. Mit den so trainierten Vorhersagetools gehen die Forscher seit März 2019 in die klinische Validierung. Das heißt: Ein Jahr lang speisen sie die Daten der aktuell behandelten Patienten ein, vergleichen die Vorhersagen mit den Einschätzungen der Ärzte und dem tatsächlichen Verlauf und bewerten und verbessern die Vorhersagemodelle auf diese Weise. »Wir sind sicher, dass die Modelle den Medizinern belastbare Hinweise auf wahrscheinliche Komplikationen geben können«, fasst Kiefer die bisherigen Ergebnisse zusammen. Und dann – so die Hoffnung der Forscher – könnten deutlich mehr Menschen eine solche Transplantation überleben.

Frühzeitig diagnostizieren mittels Optischer Kohärenztomographie

Einer der Dreh- und Angelpunkte in der Behandlung von Krebs – wenn nicht gar der Dreh- und Angelpunkt schlechthin – ist die frühzeitige Erkennung von Tumoren. Hier könnte die Optische Kohärenztomographie, kurz OTC, einen großen Beitrag leisten. Schließlich ist ihre Auflösung zehn- bis hundertmal größer als die des Ultraschalls. Das Manko: Im klinischen Alltag vieler medizinischer Disziplinen fehlt noch das entsprechende Know-how. Das wollen Forscherinnen und Forscher des Fraunhofer-Instituts für Produktionstechnologie IPT und der Tokyo Women’s Medical University nun in der Forschungsallianz OCTmapp ändern. »Künstliche Intelligenz soll die Ärztinnen und Ärzte bei der Auswertung unterstützen. Zudem soll die KI dabei helfen, die Signalentstehung besser zu verstehen – insbesondere die Bildung von Artefakten«, sagt Niels König, Abteilungsleiter am Fraunhofer IPT.

Im Juni haben die Forscherinnen und Forscher des Fraunhofer IPT zwei OCT-Systeme nach Japan gebracht, wo die präklinische Studie durchgeführt werden soll: In dieser soll die Technologie in relevanten Anwendungen getestet werden. Was ist machbar? Wie lässt sich die Technologie für die gemeinschaftliche Forschung mit japanischen Partnern einsetzen? In etwa fünf Jahren, so vermutet der Forscher, könnte das System in den intelligenten Operationssaal »HyperSCOT« an der TWMU integriert werden. Und langfristig dabei helfen, Krebs frühzeitiger zu diagnostizieren und die Zahl der krebsbedingten Todesfälle zu reduzieren.