KI-Modell erkennt Tumormikrosatelliteninstabilität und identifiziert unsichere Fälle

Ein tiefes Lernmodell kann die mikrosatellitäre Instabilität (MSI) in Tumoren präzise vorhersagen und gleichzeitig unsichere Fälle identifizieren. Mikrosatelliten sind kurze, wiederholte DNA-Sequenzen, deren Stabilität im Tumorgewebe entscheidend für die Prognose und Therapieentscheidung ist. Eine Instabilität – also eine erhöhte Mutationstendenz in diesen Regionen – ist mit aggressiverem Tumorverhalten und besserer Ansprechrate auf Immuntherapien verbunden. Die klassische Methode zur Bestimmung der MSI, die Molekularbiologie-Technik wie PCR oder Sequenzierung, ist kostspielig, zeitaufwendig und erfordert hochqualifiziertes Personal. Ein internationales Forscherteam hat nun ein künstliches Intelligenz-Modell entwickelt, das anhand von histologischen Bildern von Gewebeschnitten (H&E-Präparate) die MSI-Status von Tumoren automatisch klassifiziert. Das Modell, das auf einem tiefen neuronalen Netzwerk basiert, wurde an mehreren hundert Tumormustern trainiert, die bereits durch molekulare Tests klassifiziert waren. Es analysiert feinste morphologische Muster in den Zellen – wie Zellform, Gewebearchitektur und Zellkernstruktur – die mit MSI korrelieren, ohne dass eine direkte DNA-Analyse notwendig ist. Besonders bemerkenswert ist, dass das Modell nicht nur die MSI-Status (stabil oder instabil) vorhersagt, sondern auch eine Unsicherheitsbewertung liefert. Bei Fällen mit geringer Vorhersagezuverlässigkeit markiert es diese automatisch, was Ärzten hilft, zusätzliche molekulare Tests einzuleiten. Die Ergebnisse, veröffentlicht in einer renommierten medizinischen Fachzeitschrift, zeigen eine hohe Übereinstimmung mit den goldstandardmäßigen molekularen Tests – mit einer Genauigkeit von über 90 Prozent. In klinischen Tests wurde das Modell erfolgreich bei verschiedenen Krebsarten eingesetzt, darunter Kolorektalkarzinome, Endometriumkarzinome und Magenkrebs. Die Forscher betonen, dass das System besonders wertvoll in Ressourcen-eingeschränkten Regionen ist, wo molekulare Tests oft nicht verfügbar sind. Die Integration von KI in die Pathologie könnte die Diagnostik revolutionieren: Schnellere, kostengünstigere und zugänglichere MSI-Tests würden mehr Patienten die Möglichkeit bieten, von immuntherapeutischen Behandlungen zu profitieren. Zudem reduziert das Modell die Abhängigkeit von subjektiven Interpretationen durch Pathologen. Industrielle Experten begrüßen die Entwicklung als Meilenstein in der digitalen Pathologie. „Dieses Modell zeigt, wie KI nicht nur Effizienz steigert, sondern auch klinische Entscheidungen verbessert“, sagt eine führende Onkologin. Unternehmen wie Roche und Philips investieren bereits in KI-gestützte Diagnosetools, während Start-ups wie PathAI und Tempus ähnliche Ansätze entwickeln. Die Zukunft der Krebsdiagnostik liegt in der Kombination von bildgebenden Verfahren und künstlicher Intelligenz – eine Entwicklung, die nicht nur die Genauigkeit erhöht, sondern auch die Gerechtigkeit im Zugang zu moderner Medizin fördert.