Für solide Tumoren steht Ärzten heute ein komplexes Portfolio an Behandlungsoptionen zur Verfügung. Nachteil dabei ist, daraus die für den jeweiligen Patienten optimale Therapie herauszufinden. Zudem schränken die hohen Kosten, die mit personalisierten medizinischen Tests verbunden sind, oft deren breiten Zugang ein. KI-Modelle wie Deep Learning und große Sprachmodelle (LLMs) könnten hier eine vielversprechende Lösung sein. Das geht aus einer kürzlich veröffentlichten Dresdner Forschungsarbeit hervor. Danach gibt es mehrere Möglichkeiten, wie KI-Modelle die Krebsbehandlung unterstützen können. So erlauben KI-basierte Anwendungen schnellere Entscheidungen für eine Krebstherapie, indem sie z.B. bei der Automatisierung klinischer Aufgaben helfen. KI-basierte Tools können auch zur Identifizierung molekularer Biomarker aus den medizinischen Routinedaten (Pathologiebilder, radiologische Scans, klinische Berichte) eingesetzt werden. So kann u.a. die personalisierte Therapie leichter zugänglich gemacht werden. Darüber hinaus können KI-basierte Tools den Abgleich von Patienten und Studien rationalisieren, die Arbeitsbelastung multidisziplinärer Teams verringern und die Bewertung der Eignung von Patienten verbessern.
Literatur: Ligero, Marta et al. Trends in Cancer 2024, Article in press. https://doi.org/10.1016/j.trecan.2024.12.001
Quelle: Nachrichten EKFZ für Digital Health / TU Dresden (TUD)
Bildquelle:© 9nong – stock.adobe.com
