Forscher der University of California San Diego School of Medicine haben einen neuen Ansatz zur Identifizierung von Personen mit Hautkrebs entwickelt, der genetische Abstammung, Lebensstil und soziale Determinanten der Gesundheit mithilfe eines maschinellen Lernmodells kombiniert. Ihr Modell, das genauer ist als bestehende Ansätze, half den Forschern auch dabei, Unterschiede im Hautkrebsrisiko und bei den Ergebnissen besser zu charakterisieren.

Hautkrebs gehört zu den häufigsten Krebsarten in den Vereinigten Staaten. Jeden Tag werden mehr als 9.500 neue Fälle diagnostiziert und jede Stunde ereignen sich etwa zwei Todesfälle durch Hautkrebs. Eine wichtige Komponente zur Reduzierung der Belastung durch Hautkrebs ist die Risikovorhersage, die Technologie und Patienteninformationen nutzt, um Ärzten bei der Entscheidung zu helfen, welche Personen bei der Krebsvorsorge Vorrang haben sollten.

Herkömmliche Instrumente zur Risikovorhersage, wie z. B. Risikorechner, die auf Familiengeschichte, Hauttyp und Sonneneinstrahlung basieren, haben in der Vergangenheit bei Menschen europäischer Abstammung die beste Leistung erbracht, da sie in den zur Entwicklung dieser Modelle verwendeten Daten stärker vertreten sind. Dies führt zu erheblichen Lücken in der Früherkennung für andere Bevölkerungsgruppen, insbesondere für diejenigen mit dunklerer Haut, bei denen es weniger wahrscheinlich ist, dass sie europäischer Abstammung sind. Infolgedessen wird Hautkrebs bei Menschen nichteuropäischer Abstammung häufig in späteren Stadien diagnostiziert, in denen die Behandlung schwieriger ist. Aufgrund der späteren Erkennung haben Menschen nichteuropäischer Abstammung tendenziell auch schlechtere Gesamtergebnisse bei Hautkrebs.

Um diese Ungleichheit zu korrigieren, analysierten die Forscher Daten von mehr als 400.000 Teilnehmern des All of Us Research Program der National Institutes of Health, einer landesweiten Initiative, die darauf abzielt, eine vielfältige Datenbank mit Patientendaten aufzubauen, um neue, umfassendere Studien zu einer Vielzahl von Gesundheitszuständen zu ermöglichen. Durch die Nutzung der Teilnehmer des All of Us-Programms konnten die Forscher sicherstellen, dass die von ihnen verwendeten Daten substanziell aus afrikanischen, hispanischen/lateinamerikanischen, asiatischen und gemischten Bevölkerungsgruppen stammten.

Zu den wichtigsten Erkenntnissen der Studie gehören:

  • Das neue Modell berücksichtigt sowohl genetische als auch nicht genetische Determinanten, einschließlich der Wahl des Lebensstils, sozioökonomischer Variablen und des Medikamentengebrauchs, um Personen anhand ihrer Wahrscheinlichkeit, an Hautkrebs zu erkranken, zu stratifizieren.

  • Das Modell erreichte eine Genauigkeit von 89 % bei der Identifizierung von Personen mit Hautkrebs in allen Bevölkerungsgruppen, mit einer Genauigkeit von 90 % für Personen europäischer Abstammung und 81 % Genauigkeit für Personen nichteuropäischer Abstammung.

  • Bei einer Untergruppe von Teilnehmern, die über genetische Daten verfügten, denen jedoch Daten zum Lebensstil und zu sozialen Determinanten der Gesundheit fehlten, behielt das Modell immer noch eine Genauigkeit von 87 %.

  • Die genetische Abstammung, insbesondere der Anteil europäischer Abstammung, war ein starker Prädiktor für das Risiko; Bei Personen europäischer Abstammung war die Wahrscheinlichkeit, dass Hautkrebs diagnostiziert wurde, mindestens achtmal höher.

Das neue Modell lässt sich am besten als klinische Fallfindungshilfe verstehen, das heißt, es kann dabei helfen, Personen zu identifizieren, die sich einer Ganzkörper-Hautuntersuchung durch einen Dermatologen unterziehen sollten. Dies könnte dazu beitragen, eine frühere Diagnose bei Personen mit dunklerem Hautton zu ermöglichen und möglicherweise die derzeitigen Unterschiede bei den Ergebnissen bei Hautkrebs zu verringern. Darüber hinaus lässt sich ihr Modell möglicherweise an andere Krankheiten anpassen und ebnet so den Weg für eine gerechtere, personalisierte Medizin für alle.

Die Studie, veröffentlicht in Naturkommunikationwurde von Matteo D’Antonio, Ph.D., einem Assistenzprofessor in der Abteilung für Medizin, und Kelly A. Frazer, Ph.D., Professorin in der Abteilung für Pädiatrie der UC San Diego School of Medicine, geleitet. Frazer ist außerdem Mitglied des UC San Diego Moores Cancer Center. Die Forschung wurde von der American Cancer Society, den National Institutes of Health und der Alfred P. Sloan Foundation unterstützt. Die Forscher erklären keine konkurrierenden Interessen.


Quellen:

Journal reference:

D’Antonio, M., G. et al. (2025). A highly accurate risk factor-based XGBoost multiethnic model for identifying patients with skin cancer. Nature Communications. doi: 10.1038/s41467-025-64556-y. https://www.nature.com/articles/s41467-025-64556-y