Künstliche Intelligenz gegen Kinderkrebs

Kinder, die von Lymphdrüsenkrebs betroffen sind, können heute in 95 Prozent der Fälle mit modernen Behandlungsmethoden, wie Chemotherapien und Bestrahlungen, geheilt werden. Allerdings führt die intensive Behandlung im Kindesalter häufig zu Spätschäden. Gerade die Bestrahlung erhöht das Risiko, später einen zweiten Krebs zu entwickeln. Langzeit-Untersuchungen zeigen eine massive Über-Sterblichkeit wegen Zweiterkrankungen, wie Krebs oder Herzerkrankungen im Erwachsenenalter.

Daher ist das oberste Ziel der Mediziner: nur so wenig Behandlung wie nötig. Hierbei soll die im Projekt entwickelte, auf künstliche Intelligenz gestützte Datenanalyse helfen und die Therapie für jeden einzelnen Patienten und jede einzelne Patientin optimieren. In der ersten Phase haben die Forschenden zunächst einen einzigartigen Datensatz für die Big-Data-Analyse vor- und aufbereitet: Ein Verbund von 270 Kinderkrebs-Kliniken aus 21 Ländern übersandte über Jahre die Daten aus den bildgebenden PET-Untersuchungen anonymisiert nach Leipzig. Die dreidimensionalen Bild-Serien zeigen, wie gut einzelne Therapien wirken und wie sich das Tumorgewebe über die Zeit entwickelt.

Diese Bild-Serien wurden von einem Team um den Bioinformatiker Prof. Dr.-Ing. Stefan Posch von der MLU segmentiert und es wurde eine Methode entwickelt, die das Tumorgewebe von den vielfältigen nicht-tumorbedingten Anreicherungen in den verschiedenen Organen automatisiert unterscheiden und somit das Tumorgewebe aus den Bildern extrahieren kann. "Für den Erfolg war eine enge Zusammenarbeit mit den Medizinern nötig, um die verschiedenen Sprachwelten und wissenschaftlichen Herangehensweisen in Übereinstimmung zu bringen", erklärt Posch.

Nun hat also Phase zwei begonnen. "In dieser sucht eine selbstlernende Software nach Mustern in den zuvor segmentierten Bild-Daten", beschreibt Projektleiter Dr. Thomas Georgi vom Uniklinikum Leipzig das Ziel. Denn der "künstliche Professor" ist mit seiner künstlichen Intelligenz in der Lage, in der riesigen Menge an Bilddaten charakteristische Besonderheiten zu lernen, die das menschliche Auge nicht mehr zu ermitteln vermag. Im Erfolgsfall könnten die jungen Patienten mit noch genaueren, auf sie abgestimmten Therapien behandelt und mit höherer Wahrscheinlichkeit dauerhaft geheilt werden.

Zum Seitenanfang