Die Geschwindigkeit, mit der AI in den Alltag Einzug hält, ist unübersehbar, und im medizinischen Bereich sind die Veränderungen besonders bemerkenswert. Forscher sind heute in der Lage, mithilfe von AI Krebs auf Detailniveau zu verstehen, das vor zehn Jahren noch unvorstellbar war: Statt für alle Patienten mit derselben Krebsart das gleiche Behandlungsschema zu verwenden, wird nun auf Therapien gesetzt, die auf der einzigartigen genetischen Zusammensetzung jedes Tumors basieren.
Im Oktober dieses Jahres gaben Moderna und Merck die Ergebnisse der Phase-III-Studie eines in der Entwicklung befindlichen personalisierten Krebsimpfstoffs bekannt. Der Impfstoff senkt in Kombination mit dem Immuntherapeutikum Keytruda das relative Risiko eines Rückfalls oder Todes bei Melanomen um 42 % im Vergleich zur alleinigen Anwendung von Keytruda. Es ist anzumerken, dass dieser Impfstoff noch nicht von der FDA genehmigt wurde und die Studie selbst nicht beweisen kann, dass diese Therapie durch generative AI entwickelt wurde, aber die Ergebnisse zeigen eindeutig, welches Potenzial die personalisierte Krebsmedizin hat.
AI beschäftigt sich auch mit der anderen Hälfte des Problems: Bei derselben Diagnose können zwei Personen sehr unterschiedlich auf dasselbe Medikament reagieren, da Krebs keine einheitliche Krankheit ist und selbst ähnlich aussehende Tumoren unterschiedliche Mutationen aufweisen können. Eine Studie aus den letzten sechs Monaten zeigt, dass Forscher zunehmend in der Lage sind, die biologischen Merkmale der Tumoren spezifischer Patienten zu untersuchen, anstatt sich nur auf Muster zu stützen, die aus Tausenden von Patienten abgeleitet wurden. Ein Beispiel hierfür ist das PERCEPTION-Tool des National Cancer Institute der USA, das die genetische Aktivität einzelner Krebszellen analysiert und vorhersagt, ob bestimmte Medikamente möglicherweise wirksam sind.
Das Anwendungspotenzial von AI in der Krebsbehandlung nimmt kontinuierlich zu
Dies ist entscheidend – innerhalb eines Tumors gibt es oft verschiedene Zellpopulationen, und Medikamente können nur einen Teil davon abtöten, während die verbleibenden Zellen Krebsrezidive oder Resistenzen hervorrufen können. Im Bereich der Medikamentenentwicklung bietet Google DeepMind mit AlphaFold einen weiteren Ansatz. Proteine bestimmen, wie Zellen funktionieren, und sind auch an der Entstehung und Ausbreitung von Krebs beteiligt. Das Verständnis ihrer dreidimensionalen Struktur hilft dabei, vorherzusagen, wie potenzielle Medikamente mit ihnen interagieren könnten. Früher hätte diese Arbeit Jahre im Labor in Anspruch genommen, während AlphaFold in wenigen Minuten eine Vielzahl von Strukturvorhersagen liefern kann. DeepMind hat über 200 Millionen Proteinstrukturen für Forscher weltweit zugänglich gemacht.
Das bedeutet jedoch nicht, dass es automatisch sichere und wirksame Krebsmedikamente herstellen kann; die Vorhersagen müssen weiterhin experimentell und auf Patientenniveau validiert werden. Dennoch kann es den Kreis der Kandidaten eingrenzen und Zeit in der frühen Entwicklungsphase sparen. Ein Beispiel ist der Melanomimpfstoff intismeran autogene, der auf den genetischen Mutationen im Tumor des Patienten basiert. Diese Mutationen helfen dabei, Krebs-spezifische Proteine zu identifizieren, die vom Immunsystem erkannt und gespeichert werden können. In der Phase-III-Studie wurden 1137 Patienten, bei denen das Melanom chirurgisch entfernt wurde, einbezogen. Laut Daten des Memorial Sloan Kettering Cancer Center hatten nach zwei Jahren 82 % der Patienten, die den Impfstoff in Kombination mit Keytruda erhielten, keinen Rückfall, während es bei der Gruppe, die nur Keytruda erhielt, 70 % waren.
Von der Entdeckung eines vielversprechenden Therapieansatzes bis zur tatsächlichen Anwendung bei Patienten liegt noch ein weiter Weg vor uns. Die von AI identifizierten Ziele oder die Vorhersagen zur Wirksamkeit müssen validiert werden; klinische Studien sind unverzichtbar. Auch die Kosten für genetische Tests, die Zugänglichkeit zu spezialisierten Einrichtungen und die Frage, ob AI-Systeme in verschiedenen Patientengruppen stabil und zuverlässig sind, stellen praktische Hindernisse dar. Doch die Richtung ist bereits klar: AI bietet Wissenschaftlern neue Werkzeuge zur Erforschung von Krebs, zur Identifizierung von Medikamentenzielen und zur Bestimmung, welche Behandlung für welchen Patienten am besten geeignet ist. Das Ziel ist nicht, Onkologen zu ersetzen, sondern ihnen umfassendere Informationen und mehr Optionen an die Hand zu geben.

