Neue Veröffentlichungen
KI kann Prognose bei dreifach negativem Brustkrebs vorhersagen
Zuletzt überprüft: 02.07.2025
Alle iLive-Inhalte werden medizinisch überprüft oder auf ihre Richtigkeit überprüft.
Wir haben strenge Beschaffungsrichtlinien und verlinken nur zu seriösen Medienseiten, akademischen Forschungseinrichtungen und, wenn möglich, medizinisch begutachteten Studien. Beachten Sie, dass die Zahlen in Klammern ([1], [2] usw.) anklickbare Links zu diesen Studien sind.
Wenn Sie der Meinung sind, dass einer unserer Inhalte ungenau, veraltet oder auf andere Weise bedenklich ist, wählen Sie ihn aus und drücken Sie Strg + Eingabe.
Forscher des Karolinska-Instituts in Schweden haben untersucht, wie gut verschiedene Modelle der künstlichen Intelligenz die Prognose von dreifach negativem Brustkrebs vorhersagen können, indem sie bestimmte Immunzellen im Tumor analysieren. Die in der Fachzeitschrift eClinicalMedicine veröffentlichte Studie ist ein wichtiger Schritt hin zum Einsatz von KI in der Krebsbehandlung zur Verbesserung der Patientengesundheit.
Tumorinfiltrierende Lymphozyten sind Immunzellen, die eine wichtige Rolle bei der Krebsbekämpfung spielen. Ihr Vorhandensein in einem Tumor bedeutet, dass das Immunsystem versucht, Krebszellen anzugreifen und zu zerstören.
Diese Immunzellen könnten wichtig sein, um vorherzusagen, wie eine Patientin mit sogenanntem dreifach negativem Brustkrebs auf die Behandlung anspricht und wie die Krankheit fortschreitet. Die Ergebnisse der Beurteilung der Immunzellen durch Pathologen können jedoch variieren. Künstliche Intelligenz (KI) könnte dazu beitragen, diesen Prozess zu standardisieren und zu automatisieren, doch es ist schwierig zu beweisen, dass KI für den Einsatz im Gesundheitswesen ausreichend gut funktioniert.
Zehn KI-Modelle im Vergleich
Die Forscher testeten zehn verschiedene KI-Modelle und verglichen ihre Fähigkeit, tumorinfiltrierende Lymphozyten in dreifach negativen Brustkrebsgewebeproben zu analysieren.
Die Ergebnisse zeigten, dass die KI-Modelle in ihrer analytischen Leistung variierten. Trotz dieser Unterschiede zeigten acht von zehn Modellen eine gute Vorhersagekraft, d. h. sie konnten den zukünftigen Gesundheitszustand der Patienten auf ähnliche Weise vorhersagen.
Sogar Modelle, die mit einer kleineren Anzahl von Proben trainiert wurden, zeigten eine gute Vorhersagekraft, was darauf hindeutet, dass tumorinfiltrierende Lymphozyten ein zuverlässiger Biomarker sind“, sagte Balázs Aç, Forscher in der Abteilung für Onkologie und Pathologie am Karolinska Institutet.
Unabhängige Forschung ist nötig
Die Studie zeigt, dass große Datensätze erforderlich sind, um verschiedene KI-Tools zu vergleichen und ihre Qualität vor dem Einsatz im Gesundheitswesen sicherzustellen. Obwohl die Ergebnisse vielversprechend sind, ist eine weitere Validierung erforderlich.
„Unsere Studie unterstreicht die Bedeutung unabhängiger Studien, die die klinische Praxis imitieren“, sagt Balazs Aç. „Nur durch solche Studien können wir sicher sein, dass KI-Tools für den klinischen Einsatz zuverlässig und effektiv sind.“