KI ist darauf trainiert, Warnzeichen bei Blutuntersuchungen zu erkennen

Dies ist der dritte Beitrag einer sechsteiligen Serie, die sich damit befasst, wie KI die medizinische Forschung und Behandlung verändert.

Eierstockkrebs ist „selten, unterfinanziert und tödlich“, sagt Audra Moran, Leiterin der Ovarian Cancer Research Alliance (Ocra), einer globalen Wohltätigkeitsorganisation mit Sitz in New York.

Wie bei allen Krebsarten gilt: Je früher sie erkannt wird, desto besser.

Die meisten Eierstockkrebserkrankungen beginnen in den Eileitern. Wenn sie also die Eierstöcke erreichen, kann es sein, dass sie sich bereits an andere Stellen ausgebreitet haben.

„Fünf Jahre bevor überhaupt ein Symptom auftritt, muss man möglicherweise Eierstockkrebs erkennen, um die Sterblichkeit zu beeinflussen“, sagt Frau Moran.

Es entstehen jedoch neue Bluttests, die die Kraft der künstlichen Intelligenz (KI) nutzen, um Anzeichen von Krebs bereits in einem sehr frühen Stadium zu erkennen.

Und es geht nicht nur um Krebs, KI kann auch andere Blutuntersuchungen auf potenziell tödliche Infektionen wie Lungenentzündung beschleunigen.

Dr. Daniel Heller ist biomedizinischer Ingenieur am Memorial Sloan Kettering Cancer Center in New York.

Sein Team hat eine Testtechnologie entwickelt, die Nanoröhren verwendet – winzige Kohlenstoffröhren, die etwa 50.000 Mal kleiner sind als der Durchmesser eines menschlichen Haares.

Vor etwa 20 Jahren begannen Wissenschaftler mit der Entdeckung von Nanoröhren, die fluoreszierendes Licht emittieren können.

Im letzten Jahrzehnt haben Forscher gelernt, die Eigenschaften dieser Nanoröhren so zu verändern, dass sie auf fast alles im Blut reagieren.

Jetzt ist es möglich, Millionen von Nanoröhrchen in eine Blutprobe zu geben und sie abhängig davon, was an ihnen haftet, Licht unterschiedlicher Wellenlänge aussenden zu lassen.

Bleibt jedoch noch die Frage der Interpretation des Signals, das Dr. Heller mit der Suche nach einer Übereinstimmung mit einem Fingerabdruck vergleicht.

In diesem Fall ist der Fingerabdruck ein Muster von Molekülen, die sich mit unterschiedlicher Empfindlichkeit und Bindungsstärke an Sensoren binden.

Aber die Muster sind zu subtil, als dass ein Mensch sie erkennen könnte.

„Wir können uns die Daten ansehen und werden sie überhaupt nicht verstehen“, sagt er. „Wir können nur die Muster erkennen, die bei KI anders sind.“

Um die Nanoröhrendaten zu entschlüsseln, mussten die Daten in einen maschinellen Lernalgorithmus geladen und dem Algorithmus mitgeteilt werden, welche Proben von Patientinnen mit Eierstockkrebs und welche von Menschen ohne Eierstockkrebs stammten.

Dazu gehörte Blut von Menschen mit anderen Krebsarten oder anderen gynäkologischen Erkrankungen, die mit Eierstockkrebs verwechselt werden könnten.

Eine große Herausforderung bei der Verwendung von KI zur Entwicklung von Bluttests für die Eierstockkrebsforschung besteht darin, dass diese relativ selten sind, was die Daten für Trainingsalgorithmen begrenzt.

Und selbst ein Großteil dieser Daten wird in den Krankenhäusern, die sie behandelt haben, isoliert gespeichert, wobei die Daten für Forscher nur minimal weitergegeben werden.

Dr. Heller beschreibt das Training des Algorithmus anhand verfügbarer Daten von nur wenigen 100 Patienten als „Ave Maria-Pass“.

Aber er sagt, dass die KI eine bessere Genauigkeit erzielen konnte als die besten heute verfügbaren Krebs-Biomarker – und das war erst der erste Versuch.

Das System wird derzeit weiteren Studien unterzogen, um herauszufinden, ob es mithilfe größerer Sensorsätze und Proben von viel mehr Patienten verbessert werden kann. Mehr Daten können den Algorithmus verbessern, genauso wie Algorithmen für selbstfahrende Autos durch mehr Tests auf der Straße verbessert werden können.

Dr. Heller setzt große Hoffnungen in die Technologie.

„Was wir tun möchten, ist eine Triage aller gynäkologischen Erkrankungen. Wenn also jemand mit einer Beschwerde zu uns kommt, können wir den Ärzten ein Tool an die Hand geben, das ihnen schnell sagt, dass es sich eher um eine Krebserkrankung handelt oder nicht, oder um diese Krebserkrankung.“

Dr. Heller sagt, dass dies noch „drei bis fünf Jahre“ dauern könnte.

KI ist nicht nur für die Früherkennung potenziell nützlich, sie beschleunigt auch andere Blutuntersuchungen.

Für einen Krebspatienten kann eine Lungenentzündung tödlich sein. Da es etwa 600 verschiedene Organismen gibt, die eine Lungenentzündung verursachen können, müssen Ärzte mehrere Tests durchführen, um die Infektion zu identifizieren.

Doch neue Arten von Bluttests vereinfachen und beschleunigen den Prozess.

Das in Kalifornien ansässige Unternehmen Karuis nutzt künstliche Intelligenz (KI), um innerhalb von 24 Stunden den genauen Erreger einer Lungenentzündung zu identifizieren und das richtige Antibiotikum dafür auszuwählen.

„Vor unserem Test musste sich ein Patient mit Lungenentzündung allein in der ersten Woche im Krankenhaus 15 bis 20 verschiedenen Tests unterziehen, um seine Infektion festzustellen – das entspricht etwa 20.000 US-Dollar an Tests“, sagt Karius-Geschäftsführer Alec Ford.

Karius verfügt über eine Datenbank mikrobieller DNA mit mehreren zehn Milliarden Datenpunkten. Testproben von Patienten können mit dieser Datenbank verglichen werden, um den genauen Erreger zu identifizieren.

Herr Ford sagt, das wäre ohne KI unmöglich gewesen.

Eine Herausforderung besteht darin, dass Forscher derzeit nicht unbedingt alle Zusammenhänge verstehen, die eine KI zwischen den Testbiomarkern und den Krankheiten herstellen könnte.

In den letzten zwei Jahren hat Dr. Slavé Petrovski eine KI-Plattform namens Milton entwickelt, die mithilfe von Biomarkern in den Daten der britischen Biobank 120 Krankheiten mit einer Erfolgsquote von über 90 % identifiziert.

Das Auffinden von Mustern in einer solchen Datenmenge ist nur eine Aufgabe der KI.

„Das sind oft komplexe Muster, bei denen es möglicherweise keinen einzelnen Biomarker gibt, sondern man das gesamte Muster berücksichtigen muss“, sagt Dr. Petrovski, der als Forscher beim Pharmariesen AstraZeneca arbeitet.

Dr. Heller verwendet eine ähnliche Mustervergleichstechnik in seiner Arbeit zum Eierstockkrebs.

„Wir wissen, dass der Sensor Proteine ​​und kleine Moleküle im Blut bindet und auf sie reagiert, aber wir wissen nicht, welche der Proteine ​​oder Moleküle spezifisch für Krebs sind“, sagt er.

Im weiteren Sinne sind Daten oder deren Fehlen immer noch ein Nachteil.

„Die Leute geben ihre Daten nicht weiter, oder es gibt keinen Mechanismus dafür“, sagt Frau Moran.

Ocra finanziert ein umfangreiches Patientenregister mit elektronischen Krankenakten von Patienten, die es Forschern ermöglicht haben, Algorithmen anhand ihrer Daten zu trainieren.

„Es ist noch am Anfang – wir befinden uns immer noch im Wilden Westen der KI“, sagt Frau Moran.