KI-Tool kann das Darmkrebsrisiko bei UC-LGD-Patienten genau vorhersagen

Menschen mit Colitis ulcerosa (UC), einer chronisch entzündlichen Darmerkrankung, haben ein bis zu viermal höheres Risiko, an Darmkrebs zu erkranken als die Allgemeinbevölkerung. Low-grade-Dysplasie (LGD) – abnormale oder präkanzeröse Läsionen – kann ein Frühwarnzeichen sein, aber nur ein Bruchteil der UC-LGD-Fälle entwickelt sich zu Krebs. Dies macht es für Ärzte und Patienten zu einer Herausforderung, fundierte Pflegeentscheidungen zu treffen, die von der kontinuierlichen Überwachung bis hin zu präventiven chirurgischen Eingriffen reichen.

Nun hat eine neue Studie unter der Leitung von Forschern der University of California San Diego herausgefunden, dass künstliche Intelligenz (KI) in Kombination mit biostatistischen Risikomodellen genau vorhersagen kann, welche UC-LGD-Patienten am wahrscheinlichsten an Krebs erkranken. Die Ergebnisse haben das Potenzial, die Patientenberatung, Entscheidungsfindung und zeitnahe Nachsorge deutlich zu verbessern. Die Studie wurde am 17. Februar veröffentlicht Klinische Gastroenterologie und Hepatologie.

Die Forscher erstellten einen vollautomatischen KI-Workflow, um die früheren Krankenakten – einschließlich Koloskopie- und Pathologieberichte – von 55.000 Patienten im Gesundheitssystem des US-Veteranenministeriums (VA) zu sichten, um UC-LGD-Patienten zu identifizieren und ihr individuelles Krebsrisiko einzuschätzen. Der Datensatz ist der größte seiner Art in den USA

Große Sprachmodelle leiteten genau aus den narrativen klinischen Notizen selbst Risikofaktoren für Kolitis-assoziierten Darmkrebs ab – etwa wie groß die geringgradige Dysplasie-Läsion ist, ob mehrere Läsionen vorliegen und ob der Dickdarm extrem entzündet ist.“

Kit Curtius, PhD, Assistenzprofessor für Medizin in der Abteilung für Biomedizinische Informatik an der UC San Diego School of Medicine und Mitglied des Moores Cancer Center

Der KI-Workflow und die statistischen Risikomodellvorhersagen:

• Die Patienten wurden anhand von vier etablierten Faktoren korrekt in fünf Risikokategorien eingeteilt: Größe der Dysplasie, Vollständigkeit und Sichtbarkeit der Läsionsresektion, Anzahl der dysplastischen Stellen und Schwere der Entzündung
• Übereinstimmende Patientenergebnisse aus der Praxis mit hoher Genauigkeit für mehr als ein Jahrzehnt nach der Diagnose
• Fast die Hälfte der Patienten wurde in die Gruppe mit dem geringsten Risiko eingeteilt, was zu der korrekten Feststellung führte, dass fast 99 % der Patienten die Krebsdiagnose innerhalb von zwei Jahren vermeiden werden

„Viele Menschen haben ein geringes Risiko – sie haben kleine dysplastische Läsionen – und es war bisher schwer zu wissen, was man diesen Menschen vertrauensvoll sagen sollte“, sagte Curtius, der auch Gesundheitswissenschaftler am VA San Diego Healthcare System ist. Normalerweise wird empfohlen, dass Patienten mit kleinen Läsionen nach zwei Jahren zur Krebsüberwachung zurückkehren. „Mit diesem Tool besteht möglicherweise die Möglichkeit, das Überwachungsintervall zu verlängern, sodass Patienten mit diesem geringen Risiko nicht so oft wiederkommen müssen.“

Das KI-Modell ergab außerdem, dass Patienten mit nicht resezierbaren sichtbaren Läsionen – Läsionen, die aufgrund ihrer Größe, Lage oder Ausbreitung nicht sicher und vollständig durch eine Operation entfernt werden können – einem deutlich höheren Risiko ausgesetzt sind, als viele Ärzte normalerweise schätzen.

Ein Segen für die Patientenversorgung

Die Studie zeigt, dass sich die KI-Modelle auf natürliche Weise in klinische Arbeitsabläufe integrieren lassen und präzise, ​​automatisierte Risikobewertungen bieten, um Kliniker und Patienten bei der Entscheidungsfindung zu unterstützen – vom Zeitpunkt der nächsten Koloskopie bis hin zum Zeitpunkt, an dem eine Operation in Betracht gezogen werden sollte – und gleichzeitig die Belastung der Pflegeteams verringert.

„Derzeit ist der Prozess, Menschen über das Risikoniveau zu informieren, eine eher subjektive Sache, und Ärzte verfügen nicht über genügend Daten, um ihre Gefühle zu untermauern“, sagte Curtius. „Diese KI-Pipeline könnte die klinischen Notizen lesen und Ihnen Ihren Risikowert mitteilen, anstatt nur eine Liste von Risikofaktoren zu haben und keine wirkliche Möglichkeit zu haben, diese während eines Patientenbesuchs in eine Zahl umzuwandeln.“

Die Technologie kann auch dazu beitragen, Patienten zu kennzeichnen, die in die Klinik zurückkehren müssen, und so Verzögerungen bei Nachsorgekoloskopien verhindern, die eine wesentliche Ursache für Darmkrebs darstellen.

Die nächsten Schritte umfassen die Validierung des KI-Tools in Patientenpopulationen außerhalb des VA-Systems und die Einbeziehung neu auftretender Risikofaktoren und genetischer Patienteninformationen.

„Wir wissen, dass die Genomik eine große Rolle dabei spielt, das Fortschreiten von Krebs voranzutreiben“, sagte Curtius.

Quellen: