Die personalisierte Medizin zielt darauf ab, Behandlungen auf einzelne Patienten anzupassen. Bisher wurde dies mit einer kleinen Anzahl von Parametern durchgeführt, um den Verlauf einer Krankheit vorherzusagen. Diese wenigen Parameter reichen jedoch oft nicht aus, um die Komplexität von Krankheiten wie Krebs zu verstehen. Ein Forscherteam der Fakultät für Medizin an der Universität von Duisburg-Inessen (UDE), LMU München und das Berlin-Institut für die Grundlagen von Lernen und Daten (BIFOLD) bei Tu Berlin hat einen neuen Ansatz für dieses Problem mit künstlichen Problemen entwickelt Intelligenz (AI).
Basierend auf der Smart Hospital-Infrastruktur des Universitätskrankenhauses Essen haben die Forscher Daten aus verschiedenen Modalitäten-Krankengeschichte, Laborwerte, Bildgebung und genetische Analysen-integriert, um die klinische Entscheidungsfindung zu unterstützen. „Obwohl in der modernen Medizin große Mengen an klinischen Daten verfügbar sind, bleibt das Versprechen der wirklich personalisierten Medizin häufig unerfüllt“ Essen (CCCE). Onkologische klinische Praxis verwendet derzeit eher starre Bewertungssysteme wie die Klassifizierung von Krebsstadien, die kaum individuelle Unterschiede wie Geschlecht, Ernährungsstatus oder Komorbiditäten berücksichtigen. „Moderne AI -Technologien, insbesondere die erklärbare künstliche Intelligenz (XAI), können verwendet werden Leiter bei BIFOLD, wo dieser Ansatz zusammen mit Prof. Klaus-Robert Müller entwickelt wurde.
Für die jüngste Studie in veröffentlicht in NaturkrebsDie KI wurde mit Daten von mehr als 15.000 Patienten mit insgesamt 38 verschiedenen soliden Tumoren geschult. Die Wechselwirkung von 350 Parametern wurde untersucht, einschließlich klinischer Daten, Laborwerte, Daten aus Bildgebungsverfahren und genetischen Tumorprofilen. „Wir haben Schlüsselfaktoren identifiziert, die die Mehrheit der Entscheidungsprozesse im neuronalen Netzwerk sowie eine große Anzahl prognostisch relevanter Wechselwirkungen zwischen den Parametern berücksichtigen“ in der Medizin (IKIM).
Das KI -Modell wurde dann erfolgreich an den Daten von über 3.000 Lungenkrebspatienten getestet, um die identifizierten Wechselwirkungen zu validieren. Die KI kombiniert die Daten und berechnet eine Gesamtprognose für jeden einzelnen Patienten. Als erklärbare KI macht das Modell seine Entscheidungen für Kliniker transparent, indem er zeigt, wie jeder Parameter zur Prognose beigetragen hat. „Unsere Ergebnisse zeigen das Potenzial der künstlichen Intelligenz, klinische Daten nicht isoliert, sondern im Zusammenhang mit der Neubewertung und so eine personalisierte, datengesteuerte Krebstherapie zu ermöglichen“, sagt Dr. Philipp Keyl von der LMU. Eine AI -Methode wie diese könnte auch in Notfällen verwendet werden, in denen es wichtig ist, die diagnostischen Parameter in ihrer Gesamtheit so schnell wie möglich zu bewerten. Die Forscher wollen auch komplexe Interrelationships für den Krebs aufdecken, die mit herkömmlichen statistischen Methoden bisher unentdeckt geblieben sind. „Im Nationalen Zentrum für Tumorkrankheiten (NCT) (NCT) zusammen mit anderen onkologischen Netzwerken wie dem bayerischen Zentrum für Krebsforschung (BZKF) haben wir die idealen Bedingungen, um den nächsten Schritt zu tun: den tatsächlichen Patientenvorteil unserer Technologie in klinischer Technologie zu beweisen Versuche „, fügt Prof. Martin Schuler, Geschäftsführer des NCT West -Standorts und Leiterin der Abteilung für medizinische Onkologie des Universitätskrankenhauses, hinzu.
