Forschende der Universität British Columbia (UBC) Okanagan haben gemeinsam mit Wissenschaftlern des BC Cancer–Kelowna ein bahnbrechendes KI-Modell entwickelt, um Brustkrebspatientinnen frühzeitig vor zusätzlichen Herzrisiken zu warnen. Kardiovaskuläre Erkrankungen gehören weltweit zu den häufigsten Todesursachen und betreffen Brustkrebspatientinnen häufiger als die Allgemeinbevölkerung. Das neue Verfahren soll Kliniker dabei unterstützen, Hochrisikopatienten proaktiv zu identifizieren, um gezielt einzugreifen und Leben zu retten. Das Kernstück der Studie, die kürzlich im Fachjournal „Radiotherapy and Oncology" veröffentlicht wurde, liegt in der intelligenten Auswertung von Daten, die bereits während der Standardbehandlung anfallen. Da bei der Planung der Strahlentherapie bei allen Brustkrebspatienten computergestützte Tomographieaufnahmen (CT) des Brustkorbs erstellt werden, nutzt das Modell diese existierenden Bilder zur Risikobewertung. Dies geschieht, ohne den Patienten weitere Untersuchungen aufzubürden oder das Gesundheitssystem zusätzlich zu belasten. Dr. Rasika Rajapakshe, leitende Physikerin am BC Cancer und Professorin an der UBC, betont, dass die Kombination aus routinemäßig erhobenen CT-Bildern und klinischen Gesundheitsdaten eine frühere und präzisere Risikoerkennung ermöglicht als bisherige Methoden. Das KI-System analysiert die CT-Scans nicht nur auf morphologische Veränderungen im Herzen, sondern verknüpft diese bildgebenden Daten mit patientenspezifischen klinischen Informationen wie Alter, Bluthochdruck, Diabetes und familiärer Vorbelastung. Durch diese multimodale Künstliche Intelligenz erfasst das Modell komplexe Muster, die traditionelle Risikomodelle, die sich oft nur auf Basis klinischer Daten stützen, übersehen. Dr. Mohammad Shehata vom Institut für Informatik der UBC Okanagan erklärt, dass die Integration von Bildanalyse und klinischen Sprachmodellen in einem einheitlichen Rahmen eine deutlich höhere Vorhersagegenauigkeit ermöglicht. Die Ergebnisse zeigen, dass das neue Modell die bestehenden Methoden zur Prognose kardiovaskulärer Risiken signifikant übertrifft. Die Forschung demonstriert, wie durch die Auswertung subtiler struktureller Herzveränderungen in Kombination mit systemischen Risikofaktoren eine personalisierte Risikobewertung erfolgen kann. Dr. Shehata hob hervor, dass diese Präzision es ermöglicht, Hochrisikopatienten bereits früh in der Behandlungsphase zu erkennen und die Therapie entsprechend anzupassen. Solche nicht-invasiven Vorhersagemodelle könnten helfen, kardiovaskulär bedingte Todesfälle bei dieser Patientengruppe zu reduzieren und die Überlebenschancen zu verbessern. Die Studie unterstreicht die Bedeutung lokaler Innovationen bei der Bewältigung globaler Gesundheitsprobleme. Durch die Nutzung bereits vorhandener Bilddaten wird das Potenzial der modernen Medizintechnik voll ausgeschöpft, ohne zusätzliche Ressourcen zu verbrauchen. Die entwickelten Algorithmen stellen einen wichtigen Schritt dar, um die Überlebensraten von Brustkrebspatientinnen zu verbessern, indem sie nicht nur den Krebs, sondern auch die langfristigen gesundheitlichen Folgen der Behandlung sowie die damit verbundene Herzbelastung im Blick behalten. Dieses integrative Vorgehen markiert einen neuen Standard in der personalisierten Medizin und bietet eine vielversprechende Grundlage für zukünftige klinische Anwendungen.