Ob der Eingriff notwendig ist, wird auf Basis von Gewebeproben durch den sogenannten Gleason-Score entschieden. Ein Team der MedUni Wien hat nun ein neues Modell mit Künstlicher Intelligenz (KI) entwickelt, das unnötige Prostata-Entfernungen besser verhindern soll.
Die Forschenden um Lukas Kenner, Jing Ning und Clemens Spielvogel verfolgten im Rahmen der Studie das Ziel, ein neues maschinelles Lernmodell zur präziseren Beurteilung des Tumors zu entwickeln. "Dazu haben wir die Multiomics-Technologie mit Anwendungen der Künstlichen Intelligenz kombiniert", betonte Studienleiter Kenner den bisher einzigartigen Ansatz. Multiomics ist eine Methode in der medizinischen Forschung, bei der verschiedene "Omics"-Datenquellen wie genetische Informationen (Genomics), bildgebende Merkmale (Radiomics) und Ergebnisse aus pathologischen Untersuchungen (Pathomics) integriert werden.
Vielversprechend
Diese in ein KI-Modell eingespeiste Vielzahl an Daten stammt von 146 Patienten, die sich zwischen Mai 2014 und April 2020 einer operativen Entfernung der Prostata (radikale Prostatektomie) unterzogen haben. Durch die Kombination von Multiomics mit maschinellem Lernen ist ein KI-Modell entstanden, von dem sich die Forschenden viel versprechen: "In unserer Studie konnten wir damit die Veränderungen in der Prostata wesentlich genauer und zuverlässiger einschätzen als mit der herkömmlichen Biopsiemethode und dem Gleason-Score", berichtete Kenner. So lassen sich Hochrisikopatienten, die von einer radikalen Prostatektomie profitieren, wesentlich besser identifizieren und unnötige Eingriffe bei Patienten mit geringem Risiko für eine Tumorausbreitung vermeiden
Die Studie wurde kürzlich im Fachjournal "Theranostics" publiziert, teilte die MedUni am Mittwoch in einer Aussendung mit. Weitere Forschungen zur Überprüfung der Methode sind geplant, um die klinische Anwendung voranzutreiben.
APA
