KI-gestützte Erkennung von Hautmetastasen für Therapiemonitoring und molekulare Resistenzanalyse

Abbildung 1: Die Mitglieder des interdisziplinären Teams von der Klinik und Poliklinik für Dermatologie, Venerologie und Allergologie des Universitätsklinikums Würzburg (Dermatologie) sowie vom Lehrstuhl für Informatik II (Software Engineering) der Julius-Maximilians-Universität Würzburg (Informatik)

TEAM

Ein interdisziplinäres medizinisch-informatisches Team um den Arzt und Wissenschaftler Dr. med. Simon Goller M. Sc. widmet sich dem Projekt. Dem Team gehören Studierende, Ärzte und Wissenschaftler aus der Klinik und Poliklinik für Dermatologie, Venerologie und Allergologie (Hautklinik) des Universitätsklinikums Würzburg sowie vom Lehrstuhl für Informatik II (Software Engineering) der Julius-Maximilians-Universität Würzburg an (Abbildung 1). In der Allianz verbindet sich Expertise für Therapie und molekulare Erforschung von Hautkrebserkrankungen mit Expertise in medizinischer Informatik und künstlicher Intelligenz. Prof. Dr. rer. nat. Marc Schmidt aus der molekularen Dermatologie unterstützt als Kooperationspartner das Projekt bei molekularen Analysen.

Motivation und Innovation

Unser Projekt wird motiviert durch den medizinischen Bedarf bei Patientinnen und Patienten mit Hautkrebs mit weit fortgeschrittenen Hauttumoren oder Metastasen (Streuherden) an der Haut, bei denen eine operative Entfernung nicht mehr möglich ist und daher andere Therapien (z.B. Immuntherapie) eingesetzt werden. Bei dieser Gruppe ist leider häufig so, dass von den verschiedenen Tumorherden an deiner Haut eines Patienten/einer Patientin nur ein Teil auf die Therapie anspricht und sich zurückbildet, während zugleich neue Tumorherde auftreten können (divergentes Verhalten, Abbildung 2). Daher besteht ein dringlicher Bedarf, neue Therapieansätze zu entwickeln, die auch die Tumorherde erfassen, die sich nicht zurückbilden oder neu auftreten. Zudem muss bei Tumorherden an der Haut anhand von Vergleichsfotos im Zeitverlauf durch die Ärztinnen und Ärzte beurteilt werden, ob ein Patient von der Therapie profitiert oder besser eine andere Therapie bekommen sollte. Eine objektive Beurteilung ist durch abweichender Fotowinkel, nicht identischer Patientenpositionierung sowie inkonsistenter Bildausschnitte insbesondere bei divergentem Verhalten erschwert.

Abbildung 2: Schematische Darstellung von divergentem Verhalten von Streuherden des schwarzen Hautkrebses unter einer Therapie mit exemplarischer Hervorhebung einiger ansprechender und nicht-ansprechender Streuherde (Eigene Darstellung unter Verwendung von KI-generiertem Bildmaterial von ChatGPT, Modell GPT-5.3, OpenAI)

Zur Adressierung beider Probleme möchte unsere Arbeitsgruppe zwei innovative Technologien auf bahnbrechende Weise miteinander verbinden:

• Künstliche Intelligenz (KI) in Form von Bildverarbeitung mit einem sogenannten „Computer Vision System“ ermöglicht Erfassung der Streuherde und objektive Gesamtbeurteilung des Therapieansprechens
• Molekulare Charakterisierung durch die KI-Bildverarbeitung identifizierter nicht ansprechender Tumorherde ermöglicht die Erforschung von Mechanismen des Nicht-Ansprechens (Resistenz) einzelner Herde und Entwicklung neuer Therapieansätze

Welche Ziele verfolgt das Projekt?

Das Ziel des Projektes ist es die Therapie von Patientinnen und Patienten mit weit fortgeschrittenen Hauttumoren oder Metastasen an der Haut, bei denen eine operative Entfernung nicht mehr möglich ist, zu verbessern.

Hierfür soll zum einen die Beurteilung des Therapieerfolgs (Therapiemonitoring) verbessert werden, die bisher nur durch händischen Vergleich von Verlaufsfotographien durch die behandelnden Ärztinnen und Ärzte erfolgen konnte. Durch eine KI-gestützte Erkennung und Vermessung von Tumorherden an der Haut in Verlaufsfotographien, soll eine objektive Verlaufsbeurteilung etabliert werden, die den bisherigen händischen Vergleich ersetzt. Eine Verbesserung der Qualität und Sensitivität des Monitorings kann ermöglichen, unwirksame Therapien vorzeitig abzusetzen und auf potentiell wirksamere Therapiealternativen zu wechseln, um so Patientinnen und Patienten bessere Chancen zu eröffnen. Durch vorzeitigen Abbruch unwirksamer Therapien können auch belastende Nebenwirkungen für die Patientinnen und Patienten reduziert werden.

Zum anderen soll ein Beitrag zur Entwicklung neuartiger Therapien geleistet werden, die auch bisher nicht ansprechende Tumorherde erfassen. Hierfür sollen durch die KI identifizierte ansprechende und nicht-ansprechende Tumorherde vergleichend auf molekularer Ebene charakterisiert werden. Hierdurch sollen biologische Unterschiede in verschiedenen Metastasen (biologische Heterogenität) aufgeklärt werden, die das divergente Verhalten erklären. Die Unterschiede können sowohl in den Tumorzellen selbst (z.B. Veränderungen in Genen (Mutationen) oder Wechsel zwischen unterschiedlichen Entwicklungszuständen) oder in der Umgebung der Tumorzellen liegen (z.B. in Abwehrzellen des Immunsystems oder Stützzellen des Bindegewebes). Die entdeckten Mechanismen können sodann zur Entwicklung neuer Therapieansätze gegen diese Mechanismen genutzt werden, um letztlich die Behandlungserfolge zu verbessern.

Abbildung 3: Ansatz des Projektes: Eine künstliche Intelligenz wird trainiert, die zum objektiven Therapiemonitoring eingesetzt werden kann. Gewebe von ansprechenden und nicht-ansprechenden Herden wird untersucht, um Angriffspunkte für verbesserte Therapie zu identifizieren. (Eigene Darstellung basierend auf Vorlagen und Icons von BioRender.com)

Ansatz des Forschungsprojektes

Der Ansatz des Forschungsprojektes (Abbildung 3) besteht darin eine innovative künstliche Intelligenz zur Bildverarbeitung („Computer Vision Modell“) zu entwickeln, die in Fotographien von Tumorherden an der Haut die Tumorherde erkennen und im Vergleich von Fotographien Veränderungen in Größe und Anzahl objektiv anhand standardisierter Kriterien beurteilen kann. Hierfür wird die künstliche Intelligenz zunächst anhand sorgfältig markierter und beschrifteter Fotographien trainiert. Anschließend soll die Aussagekraft in einer Validierungsphase mit Abgleich mit den Krankheitsverläufen der Patientinnen und Patienten überprüft werden.

Zudem werden unterstützt durch die Analyse ansprechende und nicht-ansprechende Herde in derselben Person identifiziert. Von diesen Herden werden Hautproben (Biopsien) entnommen, wie es ohnehin routinemäßig aus mehreren Herden zur Prüfung des Erfolgs der Therapie erfolgt. Das nicht für diagnostische Zwecke benötigte Gewebe soll auf biologische Unterschiede untersucht werden, z.B. mittels spezieller Immunfärbungen zur Identifikation von Markern für unterschiedliche Entwicklungszustände von Tumorzellen oder Zellen der Tumorumgebung oder durch moderne Sequenzierungsmethoden. Dieser Ansatz der Untersuchung von Ansprechen und Nicht-Ansprechen innerhalb desselben Patienten/derselben Patientin unterscheidet sich grundlegend von bisherigen Studien, die in der Regel verschiedene Patientinnen und Patienten vergleichen.

Warum soll das Forschungsprojekt unterstützt werden?

• Hautkrebs mit sichtbaren Streuherden oder großen, ggf. aufgebrochenen (ulzerierten), Tumoren ist für Patientinnen und Patienten mit besonders hohen psychischen Belastungen und Einschränkungen im Sozialleben (z.B. Meiden von Sozialkontakten wegen sichtbarer Tumore) verbunden. Die Behandlung dieser Patientengruppe ist daher wert, besonders adressiert werden.
• Das Projekt ist mit hohen Erfolgsaussichten verbunden, da in einer verwandten Anwendung (Hautkrebsscreening) bereits hoch entwickelte Computer Vision Modelle nun auf ein hochrelevantes neues Feld übertragen werden.
• Über die bessere Therapiesteuerung mittels künstlicher Intelligenz hinaus bestehen durch die molekulare Resistenzanalyse zudem Aussichten gänzlich neue Therapieziele zu identifizieren und so Patientinnen und Patienten mit fortgeschrittenem Hautkrebs potenziell eine neue Chance zu eröffnen.