Ein Spezialgebiet der personalisierten Medizin ist die Präzisionsonkologie, bei der u. a. über aktive Onkogene mithilfe bestimmter Arzneimittel wie niedermolekularen Inhibitoren oder Antikörpern gezielt abgeschaltet werden. Um zu erfahren, bei welchen Gen-Mutationen eine Behandlung ansetzen kann, wird dafür zunächst das Tumorgewebe genetisch analysiert. Die molekularen Varianten der Tumor-DNA, die für eine genaue Diagnose und Therapie notwendig sind, werden ermittelt. Daraus können anschließend individuelle Therapieempfehlungen abgeleitet werden. In komplexeren Fällen ist hierfür Wissen aus verschiedenen medizinischen Bereichen notwendig. An der Charité kommen beim molekularen Tumorboard (MTB) Experten aus Pathologie, Molekularpathologie, Onkologie, Humangenetik und Bioinformatik zusammen und analysieren gemeinsam anhand der aktuellen Studienlage, welche Therapien den größten Erfolg versprechen.

Menschen müssen über Therapien entscheiden

Die Berliner Forschergruppe hat nun untersucht, welche Chancen und Grenzen die sog. Large Language Models wie ChatGPT bei der automatisierten Sichtung der wissenschaftlichen Literatur für die Auswahl einer personalisierten Therapie haben. „Wir haben diese Modelle vor die Aufgabegestellt, personalisierte Therapieoptionen für fiktive Krebspatient:innen aufzuzeigen und dies mit den Empfehlungen von Expert:innen verglichen“, erläutert Dr. med. Damian Rieke (Berlin), Letztautor der Studie. Sein Fazit: „Künstliche Intelligenzen waren prinzipiell in der Lage personalisierte Therapieoptionen zu identifizieren – kamen aber an die Fähigkeit menschlicher Expertinnen und Experten nicht heran.“

Für das Experiment hat das Team zehn molekulare Tumorprofilefiktiver Patienten erstellt. Dann wurden ein spezialisierter Arzt und vier Large Language Models damit beauftragt, eine personalisierte Therapiemöglichkeit zu ermitteln. Diese Ergebnisse wurden den Mitgliedern desmolekularen Tumorboards zur Bewertung präsentiert – ohne dass diese wussten, woher eine Empfehlung stammt. „Vereinzelt gab es überraschend gute Therapieoptionen, die durch die künstliche Intelligenz identifiziert wurden“, berichtet die Erstautorin Dr. rer. nat. Manuela Benary (Berlin). „Die Performance von Large Language Models ist allerdings deutlich schlechter als die menschlicher Expertinnen und Experten.“ Außerdem würden Datenschutz und Reproduzierbarkeit besondere Herausforderungen bei der Anwendung künstlicher Intelligenz bei realen Patienten und Patientinnen darstellen, so Benary.

Dennoch sieht Rieke die Einsatzmöglichkeiten von KI in der Medizin grundsätzlich optimistisch: „Wir konnten in der Studie auch zeigen, dass sich die Leistung der KI-Modelle mit neueren Modellen weiter verbessert. Das könnte bedeuten, dass KI künftig auch bei komplexen Diagnose- und Therapieprozessen stärker unterstützen kann - so lange Menschen die Ergebnisseder KI kontrollieren und letztlich über Therapien entscheiden.“