Künstliche Intelligenz (KI)

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.

Bei der Behandlung von Krebserkrankungen spielen regelmäßige Verlaufskontrollen eine zentrale Rolle. Um diese zu verbessern, hat das Fraunhofer-Institut für Digitale Medizin MEVIS im Rahmen eines Forschungsprojekts eine KI-basierte Software entwickelt. Sie soll helfen, Veränderungen auf CT-Bildern schneller und verlässlicher zu erkennen – mit dem Ziel, Heilungschancen zu erhöhen und Abläufe in der Klinik zu vereinfachen.

Ein Forschungsteam der Charité Berlin hat ein KI-Modell entwickelt, das Tumoren anhand ihres epigenetischen Fingerabdrucks zuverlässig erkennt – auch ohne invasive Eingriffe.

Eine Krebsdiagnose verändert das Leben der Betroffenen oft grundlegend. Jährlich erhalten laut Bundesgesundheitministerium über 500.000 Menschen in Deutschland diese Diagnose. Je früher sie erfolgt, desto besser sehen in der Regel die Behandlungserfolge aus. Doch die Diagnostik erfordert ausreichend Kapazitäten in der Radiologie – und genau hier besteht vielerorts ein Mangel. Gleichzeitig wächst die Rolle der Künstlichen Intelligenz (KI) in der Medizin stetig. Die Technologie hat das Potenzial, nicht nur die Diagnosegenauigkeit zu verbessern, sondern auch Ärzt:innen zu entlasten und Patient:innen schneller zu behandeln. Insbesondere in der Krebsdiagnostik und -früherkennung zeigen sich bereits heute enorme Möglichkeiten, aber die strukturellen und finanziellen Rahmenbedingungen hinken hinterher.

In der Real-world-Analyse der deutschen PRAIM-Studienkohorte war die durch Künstliche Intelligenz (KI) gestützte Doppelbefundung des Mammographie-Screening-Programms (MSP) der Standard-Befundung ohne KI überlegen: Mit Hilfe der KI konnte 1 Brustkrebserkrankung pro 1.000 untersuchten Frauen mehr nachgewiesen werden und die Rate an falsch-positiven Befunden verringerte sich. Zudem könnte die KI den Arbeitsalltag von Radiolog:innen erleichtern.

Die Frühjahrstagung der Deutschen Gesellschaft für Hämatologie und Medizinische Onkologie (DGHO) bot auch in diesem Jahr eine Plattform für den Austausch zwischen Wissenschaft, klinischer Praxis und Gesundheitspolitik. Im Mittelpunkt der Veranstaltung standen aktuelle Entwicklungen in der Hämatologie und Medizinischen Onkologie – insbesondere die Rolle von Künstlicher Intelligenz (KI) und Large Language Models (LLMs) in der modernen Medizin.

Das Münchner Leukämielabor (MLL) untersucht eine stetig wachsende Anzahl hämatologischer Proben. Für die Bewältigung dieser Aufgabe wird ein hochqualifiziertes und eingespieltes Team, zu dem u.a. erfahrene Ärzt:innen, Wissenschaftler:innen und technische Assistent:innen gehören, bereits täglich von Künstlicher Intelligenz (KI) unterstützt (Abb. 1). Inzwischen ist für die Entwicklung von KI am MLL ein eigenständiges Team zuständig.

Sie hilft bei der Beurteilung von Röntgen- und MRT-Bildern, beim Schreiben von Arztbriefen und bei der Auswertung von Messdaten in der Forschung – die künstliche Intelligenz, kurz KI, ist in der klinischen Praxis und in der biomedizinischen Forschung zu einem hilfreichen und mächtigen Instrument geworden. So mächtig, dass Hochschulen und Forschungsorganisationen Empfehlungen und Leitlinien zu ihrer Nutzung in der Wissenschaft formulieren.

In einer Veröffentlichung im Fachjournal „Nature Cancer“ (1) erläutern Forschende des Else Kröner Fresenius Zentrums (EKFZ) für Digitale Gesundheit an der TU Dresden sowie des Unternehmens Genentech, wie autonome Modelle der künstlichen Intelligenz künftig die Arbeitsprozesse in der Krebsforschung und anderen Bereichen verändern könnten.

Auch wenn der Hype um große Sprachmodelle (Large Language Models, LLMs) wie ChatGPT in der breiten Öffentlichkeit etwas abgeklungen ist, gilt dies nicht für die medizinische Fachwelt. Die GPT (Generative Pretrained Transformer) innewohnende Transformer-Technik ermöglicht in der Onkologie bisher unerreichte und automatisierte Anwendungen, wie die Erstellung von Arztbriefen, medizinische Kodierung, Suche nach passenden Studien für bestimmte Patient:innen oder Hilfe bei Diagnose- und Therapieentscheidungen. Dabei muss jedoch der Schutz von Patientendaten sichergestellt werden. Weiter sind in der Regel Anpassungen an aktuelles onkologisches Wissen notwendig. Hier einige Beispiele, wie KünstIiche Intelligenz (KI) in Form von LLMs in die Onkologie Einzug halten kann.