KI vs. Brustkrebs Schweizer Forscher*innen nutzen KI für Brustkrebs-Charakterisierung

KI soll die Diagnose von Brustkrebs präziser und kostengünstiger machen. Ein Forschungsteam des Paul Scherrer Instituts (PSI) und des Massachusetts Institute of Technology (MIT) haben eine Bildanalyse entwickelt, die KI-gestützt das Krankheitsstadium abschätzen kann.

Das PSI in Villigen AG teilte am Montag mit, dass das Ziel darin besteht, die Prognosen zu verlässlichen zu machen. Es wurde darauf hingewiesen, dass manche Tumore sehr langsam wachsen oder kaum je das Stadium von einer eher harmlosen Vorstufe zu einer lebensbedrohlichen Form wechseln.

KI eröffnet neue Möglichkeiten für eine präzisere und kostengünstigere Diagnose von Brustkrebs. Forschende des Paul Scherrer Instituts (PSI) und des Massachusetts Institute of Technology (MIT) haben eine Bildanalyse entwickelt, die auf KI-Technologie basiert und eine präzise Einschätzung des Krankheitsstadiums ermöglicht. Die Prognosen sollen verlässlicher werden. Bei einigen Tumoren ist das Wachstum sehr langsam oder das Stadium wechselt kaum je von einer eher harmlosen Vorstufe zu einer lebensbedrohlichen Form.

Patientinnen leben mit Ungewissheit

Bei Frauen besteht die Möglichkeit einer Vorstufe von Brustkrebs in den Milchgängen, dem sogenannten «ductalen Carcinoma in situ». Die kurz DCIS genannte Form entwickelt sich in 30 bis 50 Prozent der Fälle zu einem invasiven «Mamma-Karzinom».

Aufgrund der guten Heilbarkeit von DCIS empfehlen Ärzt*innen in der Regel eine Behandlung. Laut PSI fehlen jedoch bislang verlässliche Anhaltspunkte, um sicher zu bestimmen, welcher Tumor harmlos bleibt und welcher in ein lebensbedrohliches Karzinom übergeht.

AI HealthWie eine KI-App unser Leben verlängern soll

KI ermöglicht besseres DCIS-Staging

Die Studie, so die PSI-Medienmitteilung, habe gezeigt, dass der Einsatz von KI die Einschätzung des Ausmasses einer Tumorerkrankung (Staging) mithilfe leicht und kostengünstig zu erhebender Daten verbessern könne. Den Forschenden zufolge stellten sie einem lernenden Algorithmus 560 Gewebeproben von 122 Patientinnen zur Verfügung.

Die Proben wurden mit einem Farbstoff versetzt, der das Chromatin im Zellkern fluoreszierend leuchten lässt. Chromatin besteht unter anderem aus dem Erbmaterial DNA und Proteinen. Das Erscheinungsbild erlaubt Rückschlüsse auf die Organisation und somit die Aktivität der im Zellkern enthaltenen DNA.

Die Verbindung von kostengünstigen und einfach zu beschaffenden «Chromatinbildern» mit leistungsstarken KI-Algorithmen könnte hinreichend Informationen liefern, um die Veränderungen des Zellzustandes und der Gewebeorganisation zu untersuchen. Vor einem praktischen Einsatz sind jedoch zahlreiche weitere Studien erforderlich.