In der Industrie ist die Bilderkennung ein gängiges Verfahren zur Qualitätskontrolle. Auch in der Dermatologie schaffen es Apps, benigne von malignen Hautveränderungen zu unterscheiden. „Ähnliches könnten wir prinzipiell auch in der Urologie durchführen“, sagte Professor Dr. Axel Heidenreich vom Uro-Onkologischen Zentrum der Uniklinik Köln.

Tatsächlich werde das auch schon gemacht. So sei es Freiburger Kollegen gelungen, eine Künstliche Intelligenz (KI) so zu trainieren, dass sie bestimmte zystoskopische Befunde erkennen und möglicherweise die Therapie triggern kann. Einzig Carcinoma in situ und papilläre Tumoren trennte die Methode nicht so gut. Ansonsten konnte sie aber offenbar sehr gut zwischen benignen, malignen und Steinerkrankungen differenzieren. „Dann können wir sicher viele unnötige Resektionen bei sogenannten unklaren rötlichen Läsionen vermeiden“, meinte der Experte.

Pathologen nutzen bereits KI-basierte Diagnostik

Auch im Tumorboard hält er die KI für hilfreich. Standardfälle in einer App abzuarbeiten und mehr Zeit für komplexere Fälle zu haben, das wäre ideal. „Diese App gibt es“, erklärte Prof. Heidenreich. In EasyOncology – an deren Qualitätssicherung er beteiligt war – ließen sich patientenzentrierte Fakten, Pathohistologie oder Tumormarkerkonzentration eingeben. Die App sage dann, welche Therapie man durchführen sollte. Zu 94 % trafen App und Ärzte dieselbe Entscheidung – im wesentlichen stadienunabhängig. Aktuell prüfen die Krankenkassen, ob sie die Kosten für die Anwendung übernehmen werden.

Vorteile bietet die KI auch in der Pathologie. An vielen uroonkologischen Kliniken digitalisierten Pathologen mittlerweile ihre Präparate, um eine KI-basierte Diagnostik zuzulassen und objektive Befunde statt subjektiver Standardbeurteilungen zu erhalten. Dabei sei die KI mindestens genauso präzise wie ausgewiesene Experten. Prof. ­Heidenreich machte dies am Beispiel der automatisierten Gleason-Einstufung von Prostatagewebe deutlich. Hier könnte die KI die Qualität der Dia­gnostik im klinischen Alltag sogar deutlich erhöhen.

Bei der Prostatakarzinom-Diagnostik mittels multiparametrischer MRT sei die KI ebenfalls eine Option, Befunde zu objektivieren, sagte der Experte. Aus der Kombination von MRT, Pathohis­tologie und molekularer Pathologie, Berücksichtigung von Lokalisation der Veränderung und Abgleich mit Tumoren unterschiedlicher Aggressivität in der entsprechenden Prostataregion entstehe ein Bild, das zum Beispiel zeige: An dieser Stelle liegt ein mögliches hochaggressives Karzinom. So ließen sich Hochrisiko-Patienten identifizieren und unnötige Biopsien vermeiden.

Die Unterscheidungsgenauigkeit kann man sich auch bei postchemotherapeutischen Residualtumoren von testikulären Keimzelltumoren zunutze machen. Bei ihnen handelt es sich zur Hälfte um Nekrosen oder Fibrosen – die keiner Resektion bedürften. Ärgerlich, wenn man das erst nach zwölf Stunden OP feststellt. Mithilfe sogenannter Radiomics, einer KI auf CT-Basis, lässt sich die Pathohistologie dagegen mit hoher Treffsicherheit vorhersagen.

Der Fokus liege dabei auf der Trennung zwischen Teratomen, Fibrosen und Karzinomen, erklärte der Urologe. Dass das funktioniert, demonstrierte er am Beispiel zwei auffälliger Lymphknoten. Trotz optisch sehr ähnlichen CT-Bilds erkannte die KI korrekt bei dem einen Patienten die Fibrose und beim anderen eine Seminommetastase. Im Moment arbeite man daran, dies auch auf MRT-Aufnahmen auszuweiten, so Prof. Heidenreich.

Zu guter Letzt kann die Digitalisierung helfen, im Dschungel der krebsrelevanten Mutationen die passende Therapie auszuwählen. Bereits jetzt seien im COSMIC-System Millionen Mutationen hinterlegt. Hier könne man z.B. nachsehen, welche Veränderungen mit welchen Therapieresistenzen assoziiert seien, erklärte Prof. ­Heidenreich. Biopsieren, Mutationen analysieren und das System sagen lassen: Resistenz vorhanden, wähle Medikament A – das lasse sich zum Teil also schon realisieren.

Quellen:
Heidenreich A. 73. Kongress der DGU; Session C1.2.2
73. Kongress der DGU