Die Lungenkrebshäufigkeit bei Nichtrauchern steigt. Daher sind neue Strategien über den Einsatz der Niedrigdosis-Thorax-Computertomographie (LDCT) bei Rauchern oder Ex-Rauchern hinaus erforderlich, um das Lungenkrebsrisiko in einer breiteren Bevölkerung zu untersuchen und genau vorherzusagen. In einer Studie, die von Forschenden des Mass General Cancer Center in Zusammenarbeit mit Forschern des Massachusetts Institute of Technology (MIT; beide USA) geleitet wurde, haben die Autoren das KI-Tool „Sybil“ entwickelt und getestet. Basierend auf Analysen von LDCT-Scans von Patienten in den USA und Taiwan sagte Sybil in diesen Untersuchungen das Lungenkrebsrisiko für Personen mit oder ohne signifikante Raucheranamnese genau voraus (siehe Journal of Clinical Oncology, online seit 12.1.2023).
„Die Lungenkrebsraten steigen weiterhin bei Menschen, die nie oder seit Jahren nicht geraucht haben, was darauf hindeutet, dass es viele Risikofaktoren gibt, die zum Lungenkrebsrisiko beitragen, von denen einige derzeit unbekannt sind“, erklärt die korrespondierende Autorin Dr. Lecia Sequist, Leiterin des Zentrums für Innovation in der Krebsfrüherkennung und medizinischer Onkologe für Lungenkrebs am Mass General Cancer Center. „Anstatt einzelne umweltbedingte oder genetische Risikofaktoren zu bewerten, haben wir ein Tool entwickelt, das Scans aus bildgebenden Verfahren verwenden kann, um die kollektive Biologie zu untersuchen und Vorhersagen über das Krebsrisiko zu treffen.“
In den USA empfiehlt die Preventive Service Task Force jährliche LDCTs für Personen im Alter über 50 Jahren mit einem Tabakkonsum von 20 Packungsjahren in der Vorgeschichte, die entweder aktuell noch rauchen oder innerhalb der vorangegangenen 15 Jahre mit dem Rauchen aufgehört haben. Aber weniger als zehn Prozent der geeigneten Patienten werden jährlich untersucht. Um die Effizienz des Lungenkrebs-Screenings zu verbessern und individualisierte Bewertungen zu ermöglichen, haben sich Sequist und Kollegen vom Mass General Cancer Center mit Forschern der Jameel Clinic am MIT zusammengetan. Unter Verwendung von Daten aus dem National Lung Screening Trial (NLST) entwickelte das Team Sybil – ein Deep-Learning-Modell, das Scans analysiert und das Lungenkrebsrisiko für die nächsten ein bis sechs Jahre vorhersagt.
„Sybil benötigt nur einen LDCT-Scan und ist nicht von klinischen Daten oder Anmerkungen des Radiologen abhängig“, erläutert Co-Autor Dr. Florian Fintelmann vom Institut für Radiologie, Abteilung für Thoracic Imaging & Intervention am Massachusetts General Hospital. „Es wurde entwickelt, um in Echtzeit im Hintergrund einer standardmäßigen radiologischen Lesestation zu laufen, was eine klinische Entscheidungsunterstützung am Point-of-Care ermöglicht.“
Das Team validierte Sybil anhand von drei unabhängigen Datensätzen – einer Reihe von Scans von mehr als 6000 NLST-Teilnehmern, die Sybil zuvor noch nicht gesehen hatte, sowie von 8821 LDCTs am Massachusetts General Hospital (MGH) und 12.280 LDCTs am Chang Gung Memorial Hospital in Taiwan. Letztere Scan-Reihe umfasste Personen mit unterschiedlichen Anamnesen in Bezug auf Tabakkonsum, einschließlich Personen, die nie geraucht hatten.
Sybil war in der Lage, das Lungenkrebsrisiko für diese Daten-Sets genau vorherzusagen. Die Forschenden bestimmten, wie genau Sybil war, indem sie die Fläche unter der Kurve (AUC) verwendeten, ein Maß dafür, wie gut ein Test zwischen Krankheits- und normalen Proben unterscheiden kann und bei dem 1,0 eine perfekte Punktzahl ist. Sybil sagte Krebs innerhalb eines Jahres mit AUCs von 0,92 für die zusätzlichen NLST-Teilnehmer, mit 0,86 für den MGH-Datensatz und mit 0,94 für den Datensatz aus Taiwan voraus. Das Programm ermöglichte eine Vorhersage einer Erkrankung an Lungenkrebs innerhalb von sechs Jahren (mit AUCs von 0,75 für die NLST-Teilnehmer, 0,81 für den MGH-Datensatz bzw. 0,80 für den Datensatz aus Taiwan).
Die Wissenschaftler räumen allerdings ein, dass es sich um eine retrospektive Studie handelt und dass prospektive Untersuchungen notwendig sind, um Sybil zu validieren. Darüber hinaus waren die US-Teilnehmer an der Studie überwiegend weiß (92 %), weshalb es in der Zukunft weiterer Studien bedarf, um festzustellen, ob Sybil Lungenkrebs bei verschiedenen Bevölkerungsgruppen genau vorhersagen kann. Sequist und Kollegen werden eine prospektive klinische Studie starten, um Sybil in der realen Welt zu testen und um zu verstehen, wie sich mit dem Tool die Arbeit von Radiologen ergänzen lässt.
Quelle: Massachusetts General Hospital am 12.01.2023 & Biermann Medizin am 13.1.2023