KI sagt Immuntherapieansprechen bei seltenem Krebs voraus

Forschende des MD Anderson Cancer Center der University of Texas haben in einer 2026 im Journal for ImmunoTherapy of Cancer veröffentlichten Studie nachgewiesen, dass eine künstliche Intelligenz gestützte Analyse von Tumorbiopsien das Ansprechen auf Immuntherapien bei seltenen Krebsarten präzise vorhersagen kann. Unter der Leitung von Prof. Aung Naing untersuchten die Wissenschaftler, wie spezifische Merkmale der Tumorumsgebung das Therapieansprechen beeinflussen, unabhängig von bekannten biomarkergestützten Prognosefaktoren. Die KI-basierte Pathologieanalyse wertet standardisierte Gewebeschnitte aus und quantifiziert automatisch die Verteilung von Immunzellen im Tumor sowie im umgebenden Stroma. Im manuellen Verfahren wäre diese Auswertung bei großen Fallzahlen nicht praktikabel. Das KI-Tool ermöglicht hingegen eine schnelle, longitudinale Verfolgung von Veränderungen über mehrere Biopsien desselben Patienten hinweg. Als entscheidende Prädiktoren identifizierten die Forschenden sowohl die initiale Immunzellinfiltration vor Therapiebeginn als auch deren Dynamik während der Behandlung. Klinisch relevante Erkenntnisse lieferte die Kombination beider Parameter. Ein Anstieg der tumorinfiltrierenden Immunzellen bei gleichzeitiger Verringerung der Tumorlast korrelierte deutlich verbesserte Outcome-Werte. Patientengruppen mit diesen günstigen Signalen wiesen ein um 64 Prozent reduziertes Risiko für Krankheitsprogression oder Tod auf. Die mediane Überlebenszeit belief sich bei dieser Gruppe auf 42 Monate, im Vergleich zu lediglich zehn Monaten bei Patienten ohne entsprechenden Biomarker-Profil. Trotz der vielversprechenden Daten betonen die Autoren, dass die Methode vor einem klinischen Routineeinsatz noch in größeren Kohorten validiert werden muss. Prof. Naing hebt hervor, dass der Ansatz zeigt, wie bereits aus standardisierten pathologischen Proben gewonnene Daten genutzt werden können, um personalisierte Therapieentscheidungen bei heterogenen Patientengruppen zu unterstützen. Die Studie markiert einen signifikanten Fortschritt in der digitalen Pathologie und unterstreicht das Potenzial von KI-gestützten Workflows, die oft langwierige manuelle Bewertungen durch automatisierte, skalierbare Analysen zu ersetzen. Künftig werden multizentrische Validierungsstudien erforderlich sein, um die Generalisierbarkeit des Modells auf weitere onkologische Indikationen zu prüfen und die Integration in klinische Entscheidungsunterstützungssysteme vorzubereiten.