Künstliche Intelligenz (KI) kann die Behandlungsergebnisse bei Patienten mit Rektumkrebs vorhersagen, indem sie standardmäßige Gewebeproben analysiert, die bei der Diagnose entnommen werden. Eine neue Studie der University College London (UCL) und des University College London Hospitals (UCLH) zeigt, dass KI-Muster in routinemäßigen Pathologiebildern – wie sie bereits bei der Diagnose erstellt werden – genutzt werden können, um das Immunprofil des Tumormikroumfelds zu entschlüsseln und damit die Überlebenswahrscheinlichkeit und das Rezidivrisiko vorherzusagen. Im Gegensatz zu bisherigen Methoden wie Ganzgenom-Sequenzierung oder räumlicher Transcriptomik, die teuer und zeitaufwendig sind, ermöglicht die KI-Analyse in Minuten eine detaillierte Auswertung der Immunkomponenten im Tumorgewebe. Die Forscher trainierten ein KI-Modell an Millionen von Pathologiebildern und testeten es an 900 Patientenproben, darunter Teilnehmer des ARISTOTLE-Klinischen Trials. Dabei zeigte sich, dass eine hohe Anzahl von Lymphozyten – Immunzellen, die Tumorzellen bekämpfen – mit besserer Überlebensrate und geringerem Rezidivrisiko korreliert. Im Gegensatz dazu führten hohe Mengen an Makrophagen – Zellen, die normalerweise Infektionen bekämpfen, aber im Tumormikroumfeld tumorfördernd wirken können – zu schlechteren Behandlungsergebnissen. Besonders kritisch war dies bei Patienten mit Mutationen im TP53-Gen. Auch genetische Faktoren wie eine normale KRAS-Genvariante in Kombination mit hohen Lymphozytenzahlen verbesserten das Überleben signifikant. Zudem zeigte sich, dass Tumoren mit hoher Zellteilungsrate (hohes Mitoseverhalten) das Immunsystem unterdrücken und somit schlechtere Prognosen haben. Die KI-Plattform wurde in einem kostenlosen Online-Tool namens Octopath integriert, das Ärzten die automatisierte Analyse von Pathologiebildern ermöglicht. Die Forscher betonen jedoch, dass die Ergebnisse in größeren, diverseren Populationen bestätigt werden müssen, bevor sie klinisch routinemäßig eingesetzt werden können. Die Integration von Immun- und Genomdaten könnte künftig helfen, Patienten in Risikogruppen einzuteilen: Hochrisikopatienten könnten eine intensivere Therapie erhalten, während Niedrigrisikopatienten von einer Reduktion der Chemoradiotherapie profitieren könnten. Prof. Maria Hawkins, klinische Onkologin am UCLH, sieht in der Technologie einen vielversprechenden Schritt hin zu personalisierten Behandlungsstrategien, die künftig gemeinsam mit Patienten besprochen werden könnten. Die Studie unterstreicht, dass KI nicht nur die Effizienz der Diagnostik steigert, sondern auch tiefere biologische Erkenntnisse über Tumor-Immuninteraktionen liefert. Industrieexperten sehen in der Studie einen Meilenstein für die klinische Anwendung von KI in der Onkologie. Die Fähigkeit, aus bereits vorhandenen, routinemäßigen Gewebeproben wertvolle Prognoseinformationen zu extrahieren, könnte die Personalisierung der Krebsbehandlung revolutionieren. Experten betonen, dass die Kombination von Immun- und Genomdaten die präzisere Risikobewertung ermöglicht, ohne zusätzliche invasive Tests. Allerdings warnen sie vor einer zu schnellen Einführung: KI-Modelle müssen robust, reproduzierbar und in verschiedenen Populationen validiert werden. Die Entwicklung von Tools wie Octopath ist ein wichtiger Schritt zur klinischen Umsetzung, doch die Integration in den Behandlungsalltag erfordert klare Leitlinien und Schulungen. Unternehmen wie Roche, Siemens Healthineers und NVIDIA unterstützen bereits ähnliche Projekte, da die KI-gestützte Pathologie als Schlüsseltechnologie für die nächste Generation der Krebsdiagnostik gilt. Die Studie zeigt, dass KI nicht nur eine Analysehilfe ist, sondern ein Werkzeug zur Entschlüsselung komplexer biologischer Netzwerke – mit direktem Nutzen für Patienten.