Kann KI das individuelle Rückfallrisiko von Krebs mithilfe der genetischen Sequenzierung von Tumoren vorhersagen ?

Ein Krebsrückfall hängt von einem komplexen Zusammenspiel von genetischen Mutationen, dem Tumor-Mikromilieu und der Therapieantwort ab. Die personalisierte Medizin zielt darauf ab, das Rückfallrisiko vorherzusagen, indem sie die Tumor-Genomik analysiert, doch die Integration riesiger Datensätze bleibt für menschliche Kliniker eine Herausforderung. KI könnte diesen Prozess beschleunigen, indem sie Muster identifiziert, die mit dem Wiederauftreten in hochdimensionalen Daten verbunden sind.

KI-Systeme können nun Tumor-Ganzexom- oder RNA-Sequenzierung zusammen mit klinischen Variablen nutzen, um individuelle Rückfallrisiko-Scores zu erstellen, die die traditionelle Pathologie allein übertreffen. Beispielsweise verwenden kommerzielle Plattformen wie Oncotype DX AR-V7 und FoundationOne Hemo Genexpressionspanels, um die Rückfallwahrscheinlichkeit bei Brust-, Prostata- und hämatologischen Krebsarten abzuschätzen, und Deep-Learning-Modelle, die mit TCGA-Daten trainiert wurden, erreichen AUCs von etwa 0,75–0,85 für verschiedene Tumortypen. Regulatorisch zugelassene Tools sind weitgehend prognostisch und nicht prädiktiv für die Therapieantwort, und die Validierung in der realen Welt außerhalb kuratierter Kohorten ist noch begrenzt.

— Angereichert am 12. Mai 2026 · Quelle: Nature Medicine — https://www.nature.com/articles/s41591-023-02300-5