Eine neue Studie der Universität Kopenhagen hat gezeigt, dass künstliche Intelligenz (KI) die Art und Weise, wie wir das Brustkrebsrisiko einschätzen, drastisch verändern könnte. Brustkrebs ist eine der häufigsten Krebsarten weltweit. Allein in den USA treten jährlich 287.850 neue Fälle und 43.250 Todesfälle auf. Die neue, in The Lancet Digital Health veröffentlichte Studie legt vielversprechende Ergebnisse nahe, die auf KI-Modellen basieren, die darauf trainiert sind, zelluläre Seneszenz zu erkennen, und das Risiko künftiger Brustkrebserkrankungen viel effektiver vorhersagen können als aktuelle klinische Benchmarks.

Die Grundlagen zuerst – Was ist zelluläre Seneszenz? Dabei handelt es sich um einen Prozess, bei dem beschädigte oder alternde Zellen aufhören, sich zu teilen, aber aktiv bleiben. Es wird häufig mit altersbedingten Krankheiten, einschließlich Krebs, in Verbindung gebracht. Diese „seneszenten“ Zellen werden manchmal als „Zombiezellen“ bezeichnet, weil sie nicht mehr normal funktionieren, aber dennoch Entzündungssignale aussenden, die zu Tumorwachstum führen können. Während die Seneszenz als natürliche Bremse für die unkontrollierte Zellteilung wirken kann, kann sie paradoxerweise durch diese Entzündungssignale, die als Seneszenz-assoziierter sekretorischer Phänotyp (SASP) bekannt sind, auch Krebs fördern.

Bisher war die Messung der Seneszenz in menschlichen Geweben aufgrund des Mangels an spezifischen Biomarkern schwierig. Die Studie der Universität Kopenhagen nutzt jedoch Deep-Learning-KI, um Kernmorphologien – die Formen von Zellkernen – in Brustgewebeproben zu analysieren. Dies ermöglicht die Vorhersage des Brustkrebsrisikos auf der Grundlage von Veränderungen in seneszenten Zellen, selbst in gesunden Biopsieproben.

Die Forscher führten eine retrospektive Kohortenstudie mit Brustgewebebiopsien von 4.382 gesunden Frauen durch. Diese Proben wurden mit einem Deep-Learning-Tool namens Nuclear Seneszenz Predictor (NUSP) analysiert. Das KI-Modell untersuchte weit über 32 Millionen Kerne in verschiedenen Gewebetypen, um alternde Zellen zu erkennen und ihre Verteilung im Gewebe zu bestimmen. Durch sorgfältige Auswertung dieser seneszenten Zellen im Epithel-, Fett- und Stromagewebe war das KI-System in der Lage, Seneszenzmuster mit dem zukünftigen Krebsrisiko zu korrelieren. Zum Vergleich: Epithelgewebe bildet die Auskleidung von Drüsen und Oberflächen im Körper, einschließlich der Brustdrüsen, wo Krebs häufig entsteht. Fettgewebe besteht aus Fettzellen, die Energie speichern, und Stromagewebe bietet strukturelle Unterstützung für Organe, einschließlich Bindegewebe, das Epithelzellen umgibt und stützt.

Die Gesamtergebnisse waren besser als nur zu versprechen. Bei Frauen, deren Gewebeproben spezifische Seneszenzmuster aufwiesen, war die Wahrscheinlichkeit, an Brustkrebs zu erkranken, je nach Art der festgestellten Seneszenz höher oder geringer. Beispielsweise zeigte ein Modell (das auf durch DNA-Schäden verursachte Seneszenz trainiert wurde) ein höheres Krebsrisiko an, wenn große Mengen seneszierender Zellen im Gewebe vorhanden waren. Ein anderes Modell (das auf medikamenteninduzierter Seneszenz trainiert wurde) deutete auf eine schützende Wirkung hin, die das gleiche Risiko senkte.

Im Vergleich zum Gail-Modell – dem aktuellen klinischen Goldstandard für die Vorhersage des Brustkrebsrisikos – zeigte das KI-Modell eine weitaus bessere Genauigkeit. In Kombination mit dem Gail-Score erhöhte das KI-Modell das Odds Ratio (ein Maß dafür, wie stark bestimmte Risikofaktoren Ergebnisse vorhersagen) auf 4,70, fast das Fünffache der Vorhersagekraft des Gail-Scores allein.

Dieser Durchbruch könnte, wenn er kommerzialisiert wird, Ärzten eine viel verfeinerte Möglichkeit bieten, Hochrisikopersonen zu identifizieren und dringend benötigte Interventionen durchzuführen. Die Möglichkeit, das Brustkrebsrisiko mehrere Jahre vor seiner Entstehung vorherzusagen, kann zu früheren Diagnosen und personalisierteren Screening-Programmen führen, wodurch unnötige Tests bei Frauen mit geringem Risiko reduziert und die Überwachung von Personen mit hohem Risiko verbessert werden.

Das Potenzial von KI ist hier immens, insbesondere wenn es darum geht, die Krebsdiagnostik voranzutreiben. Obwohl sich die Technologie noch in der Entwicklung befindet (und das wird noch eine ganze Weile dauern), könnte ihre Anwendung die Brustkrebs-Früherkennung revolutionieren. Durch die Verwendung von Standard-Gewebeproben kann diese KI-Methode weltweit eingesetzt werden.

Während eine Menge zusätzlicher Forschung erforderlich ist, um diese Modelle zu verfeinern, könnte eine verbesserte Risikovorhersage zu einer früheren Krebserkennung, effektiveren Behandlungsplänen und letztendlich zu niedrigeren Sterblichkeitsraten durch Brustkrebs führen. Dies ist eine reale Anwendung von KI, die jeder unterstützen kann.