Med­Uni Wien nutzt cloud­ba­sier­tes Art­fi­cial Intel­li­gence für neue Dia­gno­se­wege bei Krebs­krank­hei­ten. Ver­bes­se­rung der Lebens­qua­li­tät von Pati­en­ten sowie raschere und genauere Klas­si­fi­zie­rung von Tumor­zel­len als pri­märe Ziel­set­zung. Tech­no­lo­gie­part­ner ist Microsoft. 

Die aktu­el­len Erkennt­nisse eines medi­zi­ni­schen For­scher­teams der Medi­zi­ni­schen Uni­ver­si­tät Wien bele­gen, dass die Fort­schritte in der Cha­rak­te­ri­sie­rung von Tumor­zel­len weit hin­ter ande­ren Fach­ge­bie­ten zurück­blei­ben. Wäh­rend etwa die radio­lo­gi­sche For­schung von Metho­den des maschi­nel­len Ler­nens bei CT- und MRT-Tech­no­lo­gien pro­fi­tiert, stützt sich die Tumor­for­schung wei­ter­hin auf ver­gleichs­weise ältere Ver­fah­ren und das beinhal­tet dann (wei­ter­hin) lang­wie­rige und oft­mals schmerz­hafte Behandlungen.

Koope­ra­ti­ver Forschungsansatz
Um nun auch ver­bes­serte Ansätze für die Tumor­klas­si­fi­zie­rung zu ent­wi­ckeln, arbei­tet die Med­Uni Wien mit Micro­soft als Tech­no­lo­gie­part­ner. Schwer­punkt sind dabei die The­men AI und Cloud Com­pu­ting mit­tels der Micro­soft-Platt­form Azure. Pri­märe Ziel­set­zung ist eine kor­rekte Klas­si­fi­zie­rung von Tumor­zel­len mög­lichst ohne die Ent­nahme von Gewebe, soge­nannte Biop­sien. Die aktu­el­len For­schungs­pro­jekte basie­ren auf einer Koope­ra­tion von For­scher­teams des Zen­trums für Medi­zi­ni­sche Phy­sik und Bio­me­di­zi­ni­sche Tech­nik, ver­tre­ten durch Tho­mas Beyer und den Dok­to­ran­den Laszlo Papp sowie der Kli­ni­schen Abtei­lung für Nukle­ar­me­di­zin, ver­tre­ten durch den Lei­ter Mar­cus Hacker.

„Wir wol­len Pro­gno­se­mo­delle ent­wi­ckeln, die auf hybri­der, anato-meta­bo­li­scher Bild­ge­bung basie­ren und ohne eine Ent­nahme von Gewe­be­pro­ben aus­kom­men. Der­ar­tige Biop­sien sind weder ange­nehm noch son­der­lich prä­zise“, erklärt Laszlo Papp. „Durch hybride Bild­ge­bungs­ver­fah­ren, etwa mit­tels Posi­tro­nen-Emis­si­ons-Tomo­gra­phien, kön­nen wir uns nun eine 3D-Ansicht vom Tumor ver­schaf­fen und hier­aus zie­hen wir dann wesent­li­che Infor­ma­tio­nen über die bio­lo­gi­schen Eigen­schaf­ten“, so Papp.

Qua­li­täts­ver­bes­se­rung durch AI und Cloud
Die onko­lo­gi­sche Rou­ti­ne­dia­gnos­tik erfolgt übli­cher­weise durch eine inva­sive Biop­sie. Hier­bei spielt auch die bild­ge­bende Dia­gnos­tik eine Rolle — um Läsio­nen zu erken­nen, visu­ell aus­zu­wer­ten und die Gewe­be­ent­nahme kor­rekt durch­zu­füh­ren. Da jedoch jede Krebs­art indi­vi­du­ell ist, han­delt es sich hier­bei um ein kom­ple­xes, labor­in­ten­si­ves und nicht immer voll­kom­men akku­ra­tes Ver­fah­ren. Ent­spre­chend sinn­voll sind neue Ansätze.

Tech­no­lo­gisch kann das For­scher­team nun mit­tels Micro­soft Azure IaaS (Anm. Infra­struc­ture-as-a-Ser­vice) sowie Micro­soft Azure Cogni­tive Ser­vices auf künst­li­che Intel­li­genz bei den genutz­ten hybri­den Bild­ge­bungs­ver­fah­ren zurück­grei­fen. „Als wir unsere Ideen und Erfor­der­nisse zur Durch­füh­rung des Pro­jekts schil­der­ten, war sich Micro­soft sofort sei­ner Bedeu­tung bewusst und ent­spre­chend inten­siv bei der Sache“, erläu­tert Papp vom Zen­trum für Medi­zi­ni­sche Phy­sik & Bio­me­di­zi­ni­sche Tech­nik an der Med­Uni Wien.

„Wir ver­ste­hen damit nun Tumore noch bes­ser“, betont auch Mar­cus Hacker, Lei­ter der Kli­ni­schen Abtei­lung für Nukle­ar­me­di­zin. „Wir arbei­ten par­al­lel an meh­re­ren Pro­jek­ten und kon­zen­trie­ren uns aktu­ell auf Tumor­zel­len, die unter ande­rem im Rah­men von Gebärmutterhals‑, Pro­stata- oder Brust­krebs ent­ste­hen“, so Hacker zu den jet­zi­gen Schwer­punk­ten des Gemein­schafts­pro­jek­tes mit Microsoft.

Exakte Pro­gno­se­mo­delle spa­ren wert­volle Lebenszeit
Mit den aktu­el­len Stan­dard­ver­fah­ren liegt das Ergeb­nis einer Biop­sie erst nach bis zu zwei Wochen vor – das ist wert­volle Zeit, in der schnell wach­sende Tumore erheb­li­chen Scha­den ver­ur­sa­chen kön­nen. Zudem durch­lau­fen die Pati­en­tIn­nen einen ent­spre­chend unan­ge­neh­men War­te­pro­zess. „Anstatt sich einer schmerz­haf­ten, unge­nauen Biop­sie und einer lang­wie­ri­gen The­ra­pie aus­zu­set­zen, kann die künst­li­che Intel­li­genz eine detail­lierte Ana­lyse der CT-Bil­der erstel­len – und zwar direkt mit Abschluss des bild­ge­ben­den Ver­fah­rens“, unter­streicht Papp die neuen Mög­lich­kei­ten. „Das Ergeb­nis wird rasch an die behan­deln­den Ärzte über­mit­telt und damit kann schnellst­mög­lich ein indi­vi­du­ell abge­stimm­ter The­ra­pie­plan ent­wi­ckelt wer­den“, ergänzt der Mediziner.

Alle drei Exper­ten bekräf­ti­gen, dass ihr Kon­zept für eine opti­mierte Dia­gnos­tik die Behand­lung für Pati­en­tIn­nen deut­lich ange­neh­mer gestal­ten und lang­fris­tig erheb­li­che Kos­ten­sen­kun­gen mit sich brin­gen dürfte. Par­al­lel wurde dem For­scher­team bewusst, dass die Erhe­bung der erfor­der­li­chen extre­men Daten­men­gen eine enorme Her­aus­for­de­rung dar­stel­len würde. Diese Daten sind jedoch not­wen­dig, um com­pu­ter­ge­stützte Pro­gno­se­mo­delle dar­auf zu trai­nie­ren, Mus­ter bei der hybri­den Bild­ge­bung effek­tiv zu anti­zi­pie­ren. „Für einen der­art anspruchs­vol­len Rechen­pro­zess sind nor­ma­ler­weise enorme tech­ni­sche Res­sour­cen nötig und dies ist an einer Uni­ver­si­tät ein­fach nicht vor­han­den“, sagt Papp. 

Bei der Micro­soft Azure-Platt­form han­delt es sich ent­spre­chend um eine sehr viel­fäl­tig ein­setz­bare Cloud­lö­sung, die enorme Daten­men­gen spei­chern kann. Durch die Zusam­men­ar­beit mit dem IT-Dienst­leis­ter kön­nen die Medi­zi­ner Beyer, Hacker und Papp nun die kom­ple­xen Dimen­sio­nen der Tumor­klas­si­fi­zie­rung wei­ter ergrün­den – mit dem Ziel, den Weg von Dia­gnose bis Behand­lung erheb­lich ver­kür­zen. „Wir glau­ben, dass das Zusam­men­spiel aus AI und hybri­der Bild­ge­bung in der Krebs­the­ra­pie die Über­le­bens­chan­cen und schluss­end­lich auch die Lebens­qua­li­tät unse­rer Pati­en­tin­nen maß­geb­lich stei­gern wird“, beto­nen die For­scher übereinstimmend.