Alle iLive-Inhalte werden medizinisch überprüft oder auf ihre Richtigkeit überprüft.
Wir haben strenge Beschaffungsrichtlinien und verlinken nur zu seriösen Medienseiten, akademischen Forschungseinrichtungen und, wenn möglich, medizinisch begutachteten Studien. Beachten Sie, dass die Zahlen in Klammern ([1], [2] usw.) anklickbare Links zu diesen Studien sind.
Wenn Sie der Meinung sind, dass einer unserer Inhalte ungenau, veraltet oder auf andere Weise bedenklich ist, wählen Sie ihn aus und drücken Sie Strg + Eingabe.
Wissenschaftler haben künstliche Intelligenz zur Klassifizierung von Hirntumoren entwickelt
Zuletzt überprüft: 02.07.2025
Forscher der Australian National University (ANU) haben ein neues Tool auf Basis künstlicher Intelligenz entwickelt, mit dem sich Hirntumore schneller und genauer klassifizieren lassen.
Laut Dr. Dan-Thai Hoang ist die Genauigkeit bei der Diagnose und Klassifizierung von Tumoren entscheidend für die wirksame Behandlung von Patienten.
„Der aktuelle Goldstandard zur Identifizierung verschiedener Arten von Hirntumoren ist die auf DNA-Methylierung basierende Profilierung“, sagte Dr. Hoang.
„Die DNA-Methylierung fungiert als Schalter zur Steuerung der Genaktivität und bestimmt, welche Gene ein- oder ausgeschaltet werden.
„Allerdings kann der Zeitaufwand für derartige Tests ein erheblicher Nachteil sein. Oftmals dauern sie mehrere Wochen oder länger, wenn die Patienten schnelle Entscheidungen über die Therapie treffen müssen.
Übersicht über Datensätze und rechnerischen Workflow. Quelle: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
„Außerdem sind solche Tests nicht in fast allen Krankenhäusern der Welt verfügbar.“
Um diese Probleme anzugehen, haben Forscher der ANU in Zusammenarbeit mit Experten des National Cancer Institute in den USA DEPLOY entwickelt – eine Methode zur Vorhersage der DNA-Methylierung und anschließenden Klassifizierung von Hirntumoren in zehn Hauptuntertypen.
DEPLOY verwendet mikroskopische Bilder des Gewebes eines Patienten, sogenannte histopathologische Bilder.
Das Modell wurde anhand großer Datensätze von etwa 4.000 Patienten aus den USA und Europa trainiert und getestet und in der Fachzeitschrift Nature Medicine veröffentlicht.
„Erstaunlicherweise erreichte DEPLOY eine beispiellose Genauigkeit von 95 %“, sagte Dr. Hoang.
„Darüber hinaus konnte DEPLOY bei der Analyse einer Teilmenge von 309 besonders schwer zu klassifizierenden Proben eine Diagnose stellen, die klinisch aussagekräftiger war als die ursprünglich von Pathologen gestellte.
„Dies unterstreicht die potenzielle Rolle von DEPLOY in der Zukunft als zusätzliches Instrument zur Ergänzung der Erstdiagnose des Pathologen oder sogar zur Veranlassung einer Neubewertung im Falle von Unstimmigkeiten.“
Die Forscher glauben, dass DEPLOY letztendlich zur Klassifizierung anderer Krebsarten eingesetzt werden könnte.
Die Ergebnisse der Studie wurden in der Fachzeitschrift Nature Medicine veröffentlicht.