Jährlich werden rund 7.200 Menschen in Deutschland mit einem bösartigen, primären Hirntumor diagnostiziert, was rund 1,5 % aller Krebsdiagnosen ausmacht.

Auch wenn es über 100 unterschiedliche Arten von primären Gehirntumoren gibt, werden Gliome, Meningeome und Hypophysenadenome am häufigsten diagnostiziert.

Gliome, der bei Erwachsenen häufigste Typ von Gehirntumor, sind Ansammlungen von abnormalen Zellen, die im Gehirn oder dem Rückenmark vorkommen.

Für die meisten Gliom-Patienten ist eine Operation die beste Behandlungsmethode. Auch wenn die ChirurgInnen versuchen, den Tumor vollständig zu entfernen, ist dies nicht immer einfach, besonders, wenn der Tumor in sensiblen oder schwer zugänglichen Bereichen des Gehirns liegt.

Um Probleme mit dem Gehirn, dem Rückenmark und den peripheren Nerven zu behandeln, werden Operationen durchgeführt, bei denen häufig Einschnitte in der Kopfhaut nötig sind.

Bei Operationen am Gehirn sind unvergleichliche Präzision und ständige Innovation nötig, um das gesunde Gewebe zu schützen und die Erholung des Patienten so gut es geht zu ermöglichen.

Die Ärzte nutzen spezialisierte Techniken wie Neuroimaging und Gehirnkartierung, um die Operation zu leiten. Eine Gehirnkartierung stellt die Gehirnbereiche dar, die für zentrale Funktionen verantwortlich sind, damit die Ärzte Schäden an lebenswichtigen Bereichen vermeiden können.

Selbst mit sehr genauen Operationstechniken können einige Krebszellen verbleiben. Bei Gehirntumoren ist die vollständige Entfernung von zentraler Bedeutung, da jegliches verbleibendes Gewebe schnell zu einem erneuten Wachstum führen kann.

Gehirntumore können sich noch stärker als andere Krebsarten langfristig auf das körperliche, kognitive und psychologische Wohlbefinden der Patienten auswirken. Trotz großer Fortschritte in der Behandlung anderer Krebsarten haben sich die Überlebensraten bei Gehirntumoren kaum verbessert.

Selbst kleine Reste des Tumors können sich stark auf die Lebensqualität auswirken, das Leben verkürzen und große Kosten für das Gesundheitssystem verursachen. Leider haben sich die Raten von Tumorresten in den letzten zwei Jahrzehnten nicht verbessert.

Aber mithilfe von KI hoffen Forschende, dies ändern zu können. Wie in einer im November 2024 veröffentlichten Studie ausgeführt, kann ein neues KI-basiertes Diagnosesystem "die Fähigkeit, Tumore zu erkennen und hoffentlich das Überleben durch die vollständige Entfernung des Tumors verbessern", erklärt Mitautor Dr. Shawn Hervey-Jumper.

Dieses neue System mit dem Namen FastGlioma ist ein Open-Source-System auf Basis künstlicher Intelligenz, das entwickelt wurde, um während einer Operation Gehirntumore in Echtzeit zu erkennen.

Nach Angaben der Studie kann das System krebsartiges Gewebe, das für das blanke Auge unsichtbar ist, erkennen und ermöglicht es den Ärzten so, es direkt zu entfernen oder es mit Therapien nach der Operation zu behandeln.

Das System wurde anhand von über 11.000 Tumorproben und vier Millionen Mikroskopbildern trainiert. Die Forschenden sprechen davon, dass es in nur zehn Sekunden zwischen gesundem und krebsartigem Gewebe unterscheiden kann.

Ähnlich wie grundlegende Modelle wie GPT-4 können medizinische KI-Modelle anhand von riesigen Datensätzen trainiert und an verschiedene klinische Aufgaben angepasst werden.

FastGlioma nutzt diesen Ansatz, um mit nur wenig überwachtem Training über Patientendemografie, Gesundheitssystem und Gehirntumorklassifikationen der Weltgesundheitsorganisation hinweg zu generalisieren.

Während der Operation nimmt der Arzt oder die Ärztin eine kleine Gewebeprobe vom Rande des Tumors. Ein spezielles mobiles SRH-Bildsystem macht direkt im Operationssaal Aufnahmen von der Gewebeprobe. Das Gerät lässt sich einfach über einen Touchscreen bedienen.

Diese Gewebeprobe wird auf eine besondere Folie gelegt und in die Maschine getan. Sie nimmt schnell Bilder des Gewebes unter einem Mikroskop auf, ohne dass dieses dafür besonders vorbereitet werden muss. Das bedeutet, dass das Gewebe dabei nicht beschädigt wird.

Das SRH-Gerät nimmt ein Bild der Gewebeprobe auf und zerteilt es in kleine Bereiche. Man kann sich das wie ein großes Bild vorstellen, das in kleine Quadrate aufgeteilt wird, wie ein verpixeltes Foto. Jedes Quadrat ist ein kleines Bild bzw. ein "Patch".

Jedes Patch wird untersucht und auf einer Skala bewertet, die angibt, wie wahrscheinlich es ist, dass es Krebszellen enthält. Patches, die mehr vom Tumor zeigen, bekommen einen höheren Wert. Das KI-System lernt von Millionen anderer Bilder und wird immer besser darin, Krebszellen zu erkennen, indem es diese Bilder untersucht und Muster erkennt. Dies ermöglicht dem System, den Gewebeteilen passendere Bewertungen zu geben.

Nachdem es ein Foto der Gewebeprobe gemacht und dieses in kleinere Teile aufgeteilt hat, baut die KI das Bild wieder zusammen. Das daraus folgende Bild hebt die Bereiche hervor, die wahrscheinlich krebsartig sind, wie bei einer Karte. Dies hilft den Ärzten, schnell mögliche Tumorbereiche zu erkennen.

Dieses farbig markierte Bild zeigt, wie stark das Gewebe vom Tumor durchdrungen ist. Das KI-Modell analysiert das gesamte Bild und gibt Werte zwischen 0 und 1 ab, wobei 0 für eine schwache Durchdringung und 1 eine starke Durchdringung. Diese Werte entsprechen den Kategorien, die von ÄrztInnen zur Klassifizierung der Tumorstärke verwendet werden.

Die Forschung deutet darauf hin, dass die Technik durch das Erkennen dieser versteckten Krebszellen helfen könnte, zu verhindern, dass aggressivere Tumore zurückkommen und weniger aggressive vollständig zu entfernen.

In der Studie untersuchten die NeurochirurgInnen Gewebeproben von 220 PatientInnen. Sie stellten fest, dass FastGlioma nur in 3,8 % der Fälle falschlag, wenn es verbleibende Krebszellen erkannte, während traditionelle Methoden in 24 % der Fälle falschlagen.

Das Open-Source-Tool, das von der Universität von San Francisco patentiert wurde, ist noch nicht von der amerikanischen Behörde für Lebens- und Arzneimittel freigegeben worden. Die Forschenden sind jedoch optimistisch. Co-Autor Dr. Todd Hollon sagte: "FastGlioma könnte die Neurochirurgie revolutionieren, indem es die gesamte Pflege von Gliom-Patienten verbessert."

Wie die Forschenden gezeigt haben, ist diese Technologie schneller und genauer als derzeitige Methoden zur Erkennung von Tumoren. Sie stellen sich mögliche Anwendungen vor und Hollon glaubt, dass es auch zur Diagnose von anderen Arten von Gehirntumoren sowohl bei Kindern als auch Erwachsenen verwendet werden könnte.

Die Forschenden glauben, dass das Gerät nicht nur schnell und kostengünstig ist, sondern auch andere Tumorzellen genau identifizieren kann. Sie planen, das System an einer breiteren Palette von Krebsarten zu testen, darunter Lungen-, Prostata-, Kopf- und Halskrebs sowie Mammakarzinome, wie in der Studie dargelegt.

KI wird auch eingesetzt, um die MRT-Interpretation bei Gliompatienten zu verbessern. Ein neues Modell kann zwischen echtem Tumorwachstum und falsch-positiven Befunden unterscheiden, insbesondere in unsicheren Fällen, wie im September 2022 im Journal of Neuro-Oncology berichtet wurde.

Ein weiteres Deep-Learning-Modell ermöglicht die Echtzeit-Erkennung von krebsartigem und nicht krebsartigem Hirngewebe während einer Operation. Dieses Modell, das in der Januar-Ausgabe 2023 der Zeitschrift Biomedical Optics Express vorgestellt wird, nutzt Informationen über Licht und Gewebestrukturen, die durch ein spezielles bildgebendes Verfahren, die optische Kohärenztomografie, dargestellt werden.

Quellen: (Health Tech World) (Cleveland Clinic) (Mayo Clinic) (EndBrainCancer.org) (BrainTumor.org) (Nature.com) (Deutsche Hirntumorhilfe)

Auch interessant: Warum Krebs bei unter 50-Jährigen immer öfter auftritt