Künstliche Intelligenz (KI)

Die nicht-invasive hochauflösende Bildgebung gewinnt in der Dermatoonkologie zunehmend an Bedeutung. Insbesondere die Line-field konfokale optische Kohärenztomographie (LC-OCT) ermöglicht eine dreidimensionale (3D)-Darstellung kutaner Strukturen mit nahezu histologischer Auflösung und ermöglicht somit neue Möglichkeiten in der Diagnostik, Therapieplanung und Verlaufskontrolle von Hauttumoren. In Kombination mit Künstlicher Intelligenz (KI) lassen sich komplexe Bilddatensätze automatisiert analysieren und objektivierbare Parameter zur Risikostratifizierung gewinnen. Ziel dieser Übersichtsarbeit ist es, das Potenzial der LC-OCT in Kombination mit KI für verschiedene Entitäten des Hautkrebses einschließlich aktinischer Keratosen (AK), Plattenepithelkarzinome (PEK), Basalzellkarzinome (BCC) sowie melanozytärer Läsionen darzustellen und aktuelle Entwicklungen sowie Limitationen dieser Technologie zu diskutieren.

Die digitale Transformation der Pathologie eröffnet neue Möglichkeiten für die Krebsdiagnostik. Moderne Verfahren der künstlichen Intelligenz (KI) gehen heute weit über die reine Automatisierung hinaus: Sie ermöglichen es, aus routinemäßig erhobenen histologischen Gewebeschnitten bislang verborgene biologische Informationen zu gewinnen und damit ein tieferes Verständnis von Tumorerkrankungen zu erreichen. Ein Team der Pathologie der Uniklinik Köln hat einen grundlegend neuen Ansatz namens SPARK (System of Pathology Agents for Research and Knowledge) entwickelt. Die Studie ist im Fachmagazin Nature Medicine erschienen [1].

Künstliche Intelligenz (KI) hält Einzug in die onkologische Präzisionschirurgie: Während der OP sollen künftig bildgebende Verfahren mit der neuen Technologie kombiniert werden, um schneller und genauer Tumoren lokalisieren zu können. Das Bundesforschungsministerium (BMFTR) fördert in den kommenden 2 Jahren Projekte von Forschungsverbünden, die interaktive KI-Technologien zur Verbesserung der Präzisionschirurgie bei Krebserkrankungen entwickeln.

Molekulare Tumorboards (MTBs) sind zu einem zentralen Instrument der Präzisionsonkologie geworden – doch ihre erfolgreiche Umsetzung stellt Zentren vor vielfältige Herausforderungen: Wie lassen sich komplexe molekulare Befunde klinisch sinnvoll einordnen? Wann ist eine zielgerichtete Therapie tatsächlich erfolgversprechend? Und wie können Patient:innen transparent und verständlich in Entscheidungsprozesse eingebunden werden? Dr. Ina Pretzell vom Westdeutschen Tumorzentrum (WTZ), Essen, gibt im Interview einen Einblick in die praktische Arbeit eines standortübergreifenden MTB.

Molekulare Marker gewinnen bei der Diagnostik von Tumoren des Zentralnervensystems (ZNS) zunehmend an Bedeutung. Die zeitnahe Verfügbarkeit umfassender molekularer Profile bleibt jedoch eine zentrale Herausforderung im klinischen Alltag. Konventionelle Diagnostik-Workflows benötigen oft mehrere Wochen. Dies kann bei neurochirurgischen Eingriffen und Therapieentscheidungen zu kritischen Verzögerungen führen. Eine internationale Forschergruppe validierte in einer prospektiven, multizentrischen Studie eine auf Nanoporen-Sequenzierung basierende Plattform. Sie kombiniert eine adaptive Sequenzierungstechnologie mit einem KI-gestützten Methylierungsklassifikator und verspricht eine rasche molekulare Analyse von ZNS-Tumoren.

Eine frühe Diagnose ist entscheidend für die erfolgreiche Behandlung von Leberkrebs. Dennoch werden viele Fälle erst zu spät erkannt, weil das individuelle Risiko schwer einzuschätzen ist. Ein internationales Forschungsteam unter Beteiligung des Else Kröner Fresenius Zentrums (EKFZ) für Digitale Gesundheit an der Technischen Universität Dresden (TUD) hat nun ein KI-Modell entwickelt, welches das Risiko für Leberkrebs auf Basis routinemäßig erhobener klinischer Daten, wie Vorerkrankungen, Laborwerte sowie Lebensstilfaktoren, vorhersagen kann. Die Ergebnisse wurden in der Fachzeitschrift Cancer Discovery, dem führenden Journal der US-amerikanischen Krebsforschungsgesellschaft (AACR), veröffentlicht.

Immuncheckpoint-Inhibitoren (ICI) können das Überleben deutlich verlängern. Dies führt zu Langzeitplateaus, die vor einigen Jahren bei vielen Indikationen noch undenkbar waren. Das Langzeitüberleben bei Krebs hat großen Einfluss auf die Lebensqualität der Betroffenen.

Die Digitalisierung des Gesundheitswesens führt zu einer stetig wachsenden Datenmenge, die insbesondere in der Onkologie neue Möglichkeiten eröffnet. Künstliche Intelligenz (KI) kann komplexe Datenquellen systematisch analysieren und in klinisch nutzbare Informationen überführen. Während KI-Anwendungen in Radiologie und Pathologie bereits etabliert sind, rücken zunehmend auch praxisnahe Einsatzfelder in den Fokus. Ein zentrales Anwendungsgebiet ist die strukturierte Auswertung von Real-World-Daten (RWD) und Real-World-Evidenz (RWE). Mittels Natural Language Processing (NLP) lassen sich unstrukturierte Freitexte aus Arztbriefen oder Befunden automatisiert in auswertbare Variablen überführen. Dadurch können Forschungsprojekte, Registerauswertungen und klinische Entscheidungsprozesse erheblich erleichtert werden. Darüber hinaus ermöglicht KI die Automatisierung klinischer Arbeitsprozesse, etwa durch die Vorstrukturierung ärztlicher Dokumente oder die Erstellung standardisierter Berichte. Erste Studien zeigen, dass sich der Dokumentationsaufwand dadurch um bis zu 30-50% reduzieren lässt. Trotz dieser Potenziale bestehen wesentliche Hürden für eine breite Implementierung, wie z.B. Datenschutzfragen, regulatorische Unsicherheiten und die Akzeptanz im klinischen Team. Die erfolgreiche Nutzung von KI erfordert daher nicht nur technologische Innovation, sondern auch transparente Modelle, klare Verantwortlichkeiten sowie die Integration in bestehende Versorgungsabläufe. KI sollte ärztliche Expertise nicht ersetzen, sondern diese gezielt unterstützen und zu einer evidenzbasierten, patientenzentrierten Versorgung beitragen.

Mit der steigenden Lebenserwartung wächst die Zahl chronisch kranker Patient:innen und damit die Herausforderung einer unzureichenden Therapietreue. Eine aktuelle Übersichtsarbeit beleuchtet, wie moderne Informations- und Kommunikationstechnologien wie Telemedizin und Künstliche Intelligenz (KI) das Medikamentenmanagement grundlegend verändern könnten. Die Autoren präsentieren dabei den aktuellen Stand digitaler Gesundheitstechnologien und zeigen auf, wie datengetriebene Entscheidungsunterstützungssysteme, kombiniert mit maschinellem Lernen, den Weg zu autonomen Telemedizin-Systemen ebnen könnten.

Die CAR-T-Zell-Therapie hat die Behandlungsergebnisse bei rezidivierten oder refraktären hämatologischen Malignomen revolutioniert. Dennoch bleibt die frühzeitige Identifikation von Patient:innen mit dem höchsten Sterberisiko eine große Herausforderung. Ein prognostisches Modell, das auf routinemäßig verfügbaren Informationen zum Zeitpunkt der CAR-T-Evaluation basiert, könnte die präinfusionelle Beratung, die Intensität der Nachsorge und die Ressourcenallokation entscheidend verbessern. Daten dazu wurden auf der Jahrestagung der American Society of Hematology (ASH) 2025 vorgestellt.

Ein interdisziplinäres Forschungsteam von BIFOLD (Berlin Institute for the Foundations of Learning and Data), der Technischen Universität Berlin, dem Universitätsklinikum Köln, der Charité – Universitätsmedizin Berlin, dem KI-Unternehmen Aignostics und der Ludwig-Maximilians-Universität München (LMU) hat eine neuartige, auf künstliche Intelligenz (KI) gestützte Methode entwickelt, um präzisere Prognosen für Lungenkrebspatient:innen treffen zu können. Die Studie wurde jetzt in der Fachzeitschrift Nature Communications veröffentlicht [1].

Die Einschätzung der Aggressivität von Prostatakrebs erfolgt bislang vor allem durch das sogenannte Gleason-Grading – eine Analyse des Krebsgewebes im Pathologie-Labor, die mit hoher Subjektivität verbunden ist. Ein internationales Forschungsteam unter Leitung des Deutschen Krebsforschungszentrums (DKFZ) hat nun ein neuartiges, erklärbares KI-Modell entwickelt, das die Diagnostik von Prostatakarzinomen transparenter und weniger fehleranfällig machen soll.

Forschende haben ein generatives Modell auf Basis von künstlicher Intelligenz (KI) entwickelt, das anhand großangelegter Gesundheitsdaten das Risiko und den Zeitpunkt von über 1.000 Krankheiten vorhersagen kann. Das auf Daten von 400.000 Teilnehmer:innen der UK Biobank trainierte System zeigt beeindruckende Genauigkeit bei der Prognose von Gesundheitsergebnissen über Jahre im Voraus.

Ein Team vom Max Delbrück Center in Berlin hat ein neues Werkzeug entwickelt, das Krebserkrankten und ihren Ärzt:innen den Weg zur besten Behandlung weist. Das jüngste Tool arbeitet mit tiefen neuronalen Netzen und kann multimodale Daten auswerten [1].

Wie Ärzt:innen zu Künstlicher Intelligenz in der Medizin stehen, wurde vielfach untersucht. Aber was denken Patient:innen? Ein Team um Forschende der Technischen Universität München (TUM) hat das erstmals in einer großen Studie auf sechs Kontinenten untersucht. Zentrales Ergebnis: Je schlechter der eigene Gesundheitszustand, desto eher wird der Einsatz von KI abgelehnt. Die Studie soll dabei helfen, künftige Anwendungen der KI in der Medizin stärker an die Bedürfnisse der Patient:innen auszupassen.

Künstliche Intelligenz (KI) wird zunehmend in der Medizin eingesetzt und spielt auch in der Dermatologie eine immer wichtigere Rolle. Während KI-Anwendungen zunächst vor allem in der Forschung etabliert wurden, finden sie inzwischen auch in der klinischen Praxis Anwendung. Durch die Analyse großer Bilddatensätze können Algorithmen klinische und dermatoskopische Aufnahmen mit hoher Genauigkeit klassifizieren. Besonders hilfreich ist dies bei der Beurteilung pigmentierter Läsionen sowie bei der Ganzkörperfotografie mit Risikobewertung auffälliger Hautveränderungen.

Zwei neue Diagnoseverfahren aus Heidelberg versprechen Fortschritte in der präzisen und schnellen Klassifizierung von Hirntumoren: Während eine Methode bereits intraoperativ verwertbare molekulare Informationen liefert, verbessert eine KI-gestützte Analyse die Diagnostik bei sehr kleinen Gewebeproben.

Ein Forschungsteam an der TU Dresden hat gemeinsam mit internationalen Partner:innen einen autonomen KI-Agenten entwickelt und in einer ersten Testphase evaluiert. Künftig könnten solche Systeme medizinisches Fachpersonal dabei unterstützen, komplexe onkologische Daten auszuwerten und fundierte, personalisierte Therapieentscheidungen für Patient:innen mit Krebs zu treffen [1].

Junge Ärzt:innen können bei der Darmspiegelung ebenso zuverlässig harmlose von gefährlichen Darmpolypen unterscheiden wie erfahrene Spezialist:innen – vorausgesetzt, sie nutzen künstliche Intelligenz (KI). Das zeigt eine medizinische Studie aus Niederösterreich [1]. Untersucht wurde dabei die Qualität der optischen Diagnose durch Endoskopie-Trainees, wenn diese von einem KI-System unterstützt werden. Mit beeindruckendem Ergebnis: Die diagnostische Treffsicherheit des medizinischen Nachwuchses lag auf dem Niveau langjährig erfahrener Kolleg:innen. Die Ergebnisse bieten das Potenzial, die Darmkrebsvorsorge sicherer, effizienter und kostengünstiger zu machen – und gleichzeitig die medizinische Ausbildung zu verbessern.