Künstliche Intelligenz ist im Leben vieler Menschen in industrialisierten Gesellschaften allgegenwärtig geworden. Laut dem Pew Research Center nutzen 63 % der Erwachsenen in den Vereinigten Staaten KI mehrmals pro Woche oder öfter, wobei 31 % dieser Erwachsenen angeben, KI mehrmals täglich zu nutzen. Wir begegnen KI häufig in unserem täglichen Leben, durch Kundendienst-Chatbots, Fitness-Tracker und sogar unsere E-Mails, die bestimmtes Material als Spam identifizieren. Angesichts dieser Universalität ist es nicht verwunderlich, dass der Einsatz von KI bei Innovationen und Forschung im Gesundheitswesen sehr stark vorangetrieben wird. Insbesondere wurden in mehreren in diesem Jahr veröffentlichten Rezensionen KI-Tools bei Bauchspeicheldrüsen-, Prostata- und Brustkrebs hervorgehoben. Es gibt viele neue Einsatzmöglichkeiten dieser Tools, darunter die frühe diagnostische Erkennung, die gezielte Verabreichung von Medikamenten und die Identifizierung von Mutationen.
Ein erwähnenswerter möglicher Nutzen des KI-Einsatzes in der Krebsbehandlung ist die Früherkennung von Bauchspeicheldrüsenkrebs. Diese Form von Krebs ist besonders tödlich und die Inzidenzrate steigt. Eine Komplikation von Bauchspeicheldrüsenkrebs besteht darin, dass er sehr schwer frühzeitig zu erkennen ist, da die Bildgebung im Frühstadium weitgehend normal erscheint und er daher oft erst dann entdeckt wird, wenn er sich bereits ausgebreitet hat. Allerdings ist die Früherkennung unglaublich wichtig, um die Ergebnisse zu verbessern. In diesem Jahr veröffentlichte Forschungsergebnisse ergaben, dass ein KI-Tool namens Radiomics-based Early Detection MODel (REDMOD) die häufigste Form von Bauchspeicheldrüsenkrebs doppelt so schnell frühzeitig erkannte wie die aktuellen radiologischen Methoden. Obwohl dies nicht perfekt ist, stellt dies dennoch vielversprechende Verbesserungen bei diagnostischen Materialien dar.
Allgemeine Einsatzmöglichkeiten von KI in der Krebsforschung
Neben einer verbesserten Krebserkennung haben KI-Methoden Potenzial für gezielte Therapien bei der Krebsbehandlung gezeigt. Da mithilfe von KI viele Datensätze effizient kombiniert und analysiert werden können, besteht die Möglichkeit, die Identifizierung von Zellen und Proteinen zu verbessern, auf die sich die Behandlung konzentrieren könnte. Darüber hinaus können KI-Modelle verwendet werden, um vorherzusagen, wie ein Medikament mit Zielmolekülen oder anderen vom Patienten eingenommenen Medikamenten interagieren könnte.
Sobald ein potenzieller Angriffspunkt für Medikamente identifiziert wurde, könnte KI auch bei der Medikamentenentwicklung hilfreich sein. Computermodelle könnten neue Molekülstrukturen darstellen und ihre chemischen Eigenschaften verfeinern, um ihre Wirksamkeit zu steigern. Zusätzliche Modelle können verwendet werden, um vorherzusagen, wie gut eine bestimmte Verbindung an die biologische Zielstelle binden könnte. Diese Tools könnten dazu beitragen, den Prozess der Arzneimittelentwicklung zu rationalisieren und die Sicherheit bei Tests zu verbessern.
Diese Innovationen bieten Möglichkeiten zur Verbesserung der personalisierten Medizin. Viele verschiedene Krebsfolgen werden durch Unterschiede in den Tumorzellmutationen beeinflusst. KI-Modelle wurden implementiert, um Bilder dieser Tumoren zu analysieren und den vorliegenden Phänotyp zu nutzen, um Genmutationen zu informieren und vorherzusagen. Solche Tools sind besonders nützlich, wenn nur wenig Tumorgewebe analysiert werden muss, und dies ist ein schnellerer Prozess als Gentests. Daher könnten solche Methoden dazu beitragen, die patientenspezifische Versorgung zu verbessern und die Effizienz zu steigern.
Einschränkungen und Kontroversen
Natürlich ist es wichtig, sich daran zu erinnern, dass sich diese Methoden weiterentwickeln und alles andere als perfekt sind. Daher schließt der Einsatz von KI sicherlich nicht die Notwendigkeit zusätzlicher Forschungsmethoden in der Wissenschaft aus. Denn die Daten, die als Grundlage für KI-Modelle dienen, sind erst durch Grundlagenforschung und klinische Forschung verfügbar geworden. Darüber hinaus bedürfen viele dieser Methoden noch einer umfassenden Validierung. Während diese neuen Techniken dazu beitragen können, Forschungspraktiken und Behandlungen zu rationalisieren und zu informieren, sind noch viel mehr Analysen erforderlich, um ihre Genauigkeit und Wirksamkeit zu bestimmen.
Während REDMOD beispielsweise eine erhöhte Früherkennung von Bauchspeicheldrüsenkrebs zeigte, wurden einige Bilder auch als krebsartig gekennzeichnet, obwohl dies nicht der Fall war. Von 430 Kontrollfällen markierte REDMOD 81, was einer Falsch-Positiv-Rate von fast 19 % entspricht. Obwohl Krebs in 73 % der Bilder von Patienten, die eine Krebsdiagnose erhalten hatten, korrekt erkannt wurde, ist außerdem zu beachten, dass die Stichprobengröße der Krebspatienten mit 63 im Vergleich zu 430 deutlich kleiner war als die der Kontrollgruppe. Daher werden auch mit diesen Tools weiterhin weitere Analysen erforderlich sein.
Neben den beschriebenen Einschränkungen sind viele besorgt darüber, wie sich das Training dieser KI-Modelle auf die Privatsphäre der Patienten auswirken könnte. Eine weitere Herausforderung besteht darin, sicherzustellen, dass die Algorithmen abgerundet sind, um Verzerrungen zu vermeiden. Obwohl diese Innovationen vielversprechend sind, bestehen daher weiterhin viele Einschränkungen, die angegangen werden müssen. Ein vorzeitiger Rückgriff auf diese Modelle könnte zu größeren gesundheitlichen Ungleichheiten führen.
