Eine internationale Studie zeigt, wie künstliche Intelligenz Ärztinnen und Ärzte bei der Einschätzung des Therapieansprechens und der Überlebensprognose von Menschen mit fortgeschrittenem nicht-kleinzelligem Lungenkrebs unterstützen kann. An der in Nature Medicine veröffentlichten Arbeit waren auch DZL-Forschende des Standorts ARCN beteiligt.
Die Immuntherapie hat die Behandlung des fortgeschrittenen nicht-kleinzelligen Lungenkarzinoms (NSCLC) wesentlich verändert. Allerdings profitieren nicht alle Patientinnen und Patienten gleichermaßen von der Behandlung. Bislang stehen nur begrenzt zuverlässige Biomarker zur Verfügung, um das Therapieansprechen vorherzusagen. Ein internationales Forschungsteam hat deshalb im Rahmen des europäischen Forschungsprojekts I3LUNG KI-basierte Modelle entwickelt, die Ärztinnen und Ärzte bei der Auswahl und Bewertung von Immuntherapien unterstützen sollen.
Für die Studie wurden Daten von 2.396 Patientinnen und Patienten aus sechs klinischen Zentren in sechs Ländern ausgewertet. Die Forschenden kombinierten klinische Daten und Blutwerte mit Informationen aus Computertomografien, digitalen Gewebeproben und genetischen Analysen. Ziel war es, das Therapieansprechen und die Überlebensprognose möglichst zuverlässig vorherzusagen.
Die Ergebnisse zeigen, dass KI-Modelle, die ausschließlich klinische Daten und Blutwerte nutzen, die Vorhersagekraft einzelner etablierter Biomarker wie PD-L1 sowie des Lung Immune Prognostic Index (LIPI) übertrafen. Die Modelle konnten unter anderem dazu beitragen, Patientinnen und Patienten mit unterschiedlichen Überlebensprognosen besser zu unterscheiden.
Die zusätzliche Einbindung von Bilddaten aus Computertomografien und Gewebeproben verbesserte die Vorhersagen in bestimmten Analysen. Dieser Vorteil ließ sich jedoch nicht durchgängig in unabhängigen Patientengruppen bestätigen. Ob multimodale Modelle einen zusätzlichen klinischen Nutzen bieten, muss daher weiter untersucht werden.
Ein besonderer Schwerpunkt der Studie lag auf der klinischen Anwendbarkeit. In einer Untersuchung bewerteten 20 Ärztinnen und Ärzte – darunter Expertinnen und Experten für Lungenkrebs sowie medizinische Nicht-Spezialisten – reale Patientenfälle zunächst ohne und anschließend mit Unterstützung durch ein erklärbares KI-Modell.
Mit KI-Unterstützung stieg die Sensitivität bei der Vorhersage der Krankheitskontrolle von 72 auf 87 Prozent. Auch die Einschätzung der Überlebensprognose verbesserte sich. Das Modell liefert dabei nicht nur eine Vorhersage, sondern macht anhand relevanter Einflussfaktoren nachvollziehbar, wie diese zustande kommt.
Die Ergebnisse unterstreichen das Potenzial erklärbarer KI, medizinische Entscheidungen zu unterstützen. Sie zeigen zugleich, dass solche Systeme ärztliche Expertise ergänzen, aber nicht ersetzen sollen.
Die Studie basiert auf retrospektiv erhobenen Daten. Bevor das KI-System in der klinischen Routine eingesetzt werden kann, sind deshalb weitere prospektive Untersuchungen erforderlich. Eine prospektive Validierung mit mehr als 2.000 Patientinnen und Patienten läuft bereits. Zusätzlich sind weitere Studien zur klinischen Anwendbarkeit und eine pragmatische randomisierte Studie geplant.
Originalpublikation: Prelaj A, Miskovic V, Sacco M, Ferrarin A et al. Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC. Nat Med. 2026 Sep;32(9):3235-3247. doi: 10.1038/s41591-026-04488-2. Epub 2026 Sep 13. PMID: 42733093; PMCID: PMC13577906.
