1140
Passwort vergessen

Detailansicht


KI

Maschinelles Lernen verbessert Diagnostik bei Krebs-Patienten

  • Revolutionary Hospital

Forscher der Charité und des Deutschen Krebskonsortiums (DKTK) ist es gelungen, ein Problem der Diagnostik bei Patienten mit Kopf-Hals-Tumoren zu lösen. Zusammen mit Wissenschaftlern der TU Berlin entwickelten sie ein neues Verfahren, das mithilfe künstlicher Intelligenz die Herkunft von entartetem Gewebe ermittelt. Die Ergebnisse sind in der aktuellen Ausgabe der Fachzeitschrift Science Translational Medicine erschienen.

Mehr als 17.000 Menschen in Deutschland erkranken pro Jahr an Kopf-Hals-Tumoren, also Krebs in der Mundhöhle, dem Kehlkopf, der Nase oder anderen Bereichen an Kopf und Hals. Bei einem Teil der Patienten entwickelt sich zusätzlich ein Lungentumor. "Hier lässt sich in den allermeisten Fällen nicht sicher unterscheiden, ob es sich um eine Streuung, eine sogenannte Metastase, des Kopf-Hals-Tumors handelt oder um einen zweiten Tumor, also ein Lungenkarzinom", erklärt Frederick Klauschen vom Institut für Pathologie der Charité. Zusammen mit David Capper vom Institut für Neuropathologie der Charité hat er die Studie geleitet. "Für die Therapie der Betroffenen hat diese Unterscheidung jedoch große Bedeutung“, betont Klauschen. "Während Patienten mit lokal begrenzten Lungenkarzinomen mittels einer Operation potenziell geheilt werden können, haben jene mit einem metastasierten Kopf-Hals-Tumor eine deutlich schlechtere Überlebenschance und benötigen beispielsweise eine Radiochemotherapie."

Normalerweise greifen Pathologen zur Unterscheidung zwischen Metastase und Zweittumor auf Methoden wie die Analyse der Feinstruktur des Tumors sowie den Nachweis bestimmter Eiweiße im Gewebe zurück. Da Kopf-Hals-Tumoren und Lungenkarzinome jedoch sehr ähnlich sind, liefern diese Untersuchungen in einem Großteil der Fälle kein eindeutiges Ergebnis. „Um dieses Problem zu lösen, analysierten wir Gewebeproben hinsichtlich einer speziellen chemischen Veränderung der DNA, der sogenannten Methylierung“, erläutert Capper. „Aus früheren Studien wissen wir, dass das Methylierungsmuster von Krebszellen sehr stark davon abhängig ist, aus welchem Organ der Tumor abstammt.“

Um diese Information nutzbar zu machen, wendete die Forschungsgruppe zusammen mit Klaus-Robert Müller, Professor für Maschinelles Lernen an der TU Berlin, Methoden der künstlichen Intelligenz an. Anhand von Methylierungsdaten mehrerer hundert Kopf-Hals- und Lungentumoren trainierten sie ein tiefes neuronales Netzwerk. Dadurch lernte es, die Tumorarten zu unterscheiden. „Unser neuronales Netzwerk ist nun in der Lage, Lungenkarzinome und Metastasen von Kopf-Hals-Tumoren in den meisten Fällen mit einer Genauigkeit von über 99 Prozent zu unterscheiden“, so  Klauschen. Die Forscher erproben das Verfahren nun an der Charité für die klinische Routine.

Autor

 Hendrik Bensch

Zur Übersicht

Keinen Blog-Beitrag mehr verpassen!

Abonnieren Sie unseren täglichen Newsletter und erhalten Sie alle Blog-Beiträge und wichtigen Meldungen aus den Krankenhäusern und der Gesundheitsbranche direkt in Ihr Postfach.

About

Der Vordenker Innovation-Blog dient als Plattform für Best Practice und gelungene Projekte, die aus Patienten- und Anwenderperspektive Abläufe und Versorgungsangebote verbessert haben: Design Thinking, Prototyping, Simulation, Testing ... . Von hier finden kreative Lösungen ihren Weg ins Fachmagazin f&w - führen und wirtschaften im Krankenhaus, auf die Bühne des Nationalen DRG-Forums und in den Versorgungsalltag. Posten Sie Ihre Ideen und inspirieren Sie andere Vor- und Nachdenker!


Kontakt zum Kundenservice

Rufen Sie an: 0 56 61 / 73 44-0
Mo - Fr 08:00 bis 17:00 Uhr

Senden Sie uns eine E-Mail:
info@bibliomedmanager.de

Häufige Fragen und Antworten finden Sie im Hilfe-Bereich