KI erkennt „unsichtbare“ Anzeichen von Bauchspeicheldrüsenkrebs Jahre vor der Diagnose

Was die Studie zeigt

Bei 87 Patienten (40 %) wurden die Scans 3–12 Monate vor der Diagnose aufgenommen. Für 76 (35 %) wurden Scans 12–24 Monate zuvor durchgeführt, und für 56 (25 %) wurden Scans mehr als 24 Monate vor der Diagnose, bis zu etwa 3 Jahren, gewonnen.

In fast zwei Dritteln (64 %) der Fälle befand sich das Krebs im Kopf des Pankreas. Die Ergebnisse wurden mit Scans von 1.243 Personen verglichen, bei denen innerhalb von 3 Jahren kein Pankreaskrebs entwickelt wurde.

Diese Teilnehmer wurden nach Alter, Geschlecht und Scan-Datum abgeglichen. Das Durchschnittsalter der später mit Pankreaskrebs diagnostizierten Patienten betrug 69 Jahre, mit einem Bereich von 34 bis 88 Jahren.

Die Vergleichsgruppe hatte ein Durchschnittsalter

Die Vergleichsgruppe hatte ein Durchschnittsalter von 64 Jahren, mit demselben Altersbereich. Detektionsleistung und Genauigkeit REDMOD identifizierte die „unsichtbaren“ Anzeichen eines präklinischen duktalen Pankreasadenokarzinoms im Durchschnitt vor der klinischen Diagnose.

„Dieses zeitliche Fenster hat eine tiefgreifende Bedeutung, da eine solch frühe Erkennung die Heilungswahrscheinlichkeit und die Überlebensrate erheblich steigern würde“, betonen die Forscher.

„Tatsächlich zeigen Modellstudien, dass die Erhöhung des Anteils lokalisierter [pankreatischer Duktuskarzinome] von 10 % auf 50 % die Überlebensraten mehr als verdoppeln würde, was unterstreicht, dass der Zeitpunkt der Diagnose der kritischste einzelne Bestimmungsfaktor für das Überleben ist“, fügen sie hinzu. Das Modell übertraf auch Radiologen.

Es zeigte fast doppelt so hohe

Es zeigte fast doppelt so hohe Sensitivität, was bedeutet, dass es besser darin war, wahre positive Fälle korrekt zu identifizieren, und erreichte 73 % im Vergleich zu 39 %. Bei Fällen, die mehr als 2 Jahre vor der Diagnose erkannt wurden, war REDMOD fast dreimal so genau, mit 68 % im Vergleich zu 23 %.

Validierung und Konsistenz In zusätzlichen Tests klassifizierte REDMOD korrekt über 81 % der Scans einer unabhängigen Gruppe von 539 Patienten als krebsfrei. Es erreichte auch eine Genauigkeit von 87,5 % im US National Institutes of Health NIH-PCT Dataset, das 80 Patienten umfasste.

Die vom Modell identifizierten frühen Veränderungen waren konsistente Indikatoren für zukünftige Erkrankungen. Als die Patienten Monate zuvor erneut gescannt wurden, lieferte REDMOD in 90–92 % der Fälle das gleiche Ergebnis.

Was die Studie zeigt

Die Forscher weisen auf einige Einschränkungen hin, darunter ein Mangel an ethnischer Vielfalt unter den Teilnehmern.

Dennoch schließen sie: „Diese Studie validiert REDMOD als einen vollständig automatisierten KI-Rahmen, der in der Lage ist, die Bildmerksignaturen 0 [pankreatischem duktalem Adenokarzinom] im normalen Pankreas zu identifizieren, und erreicht dies mit erheblichen Vorlaufzeiten und einer Leistung, die über der.“ Sie fügen hinzu: „Obwohl eine prospektive Validierung ößter Bedeutung ist, um den klinischen Nutzen zu bestätigen, stellt der REDMOD-Rahmen einen bedeutenden Fortschritt bei der Verschiebung des Paradigmas für sporadisches [pankreatisches duktales Adenokarzinom] ätstadialen symptomatischen Diagnose hin zu einer proaktiven präklinischen Interzeption dar und bietet somit eine greifbare Hoffnung zur Verbesserung der Ergebnisse bei dieser schwierigen Krankheit.“ Referenz: „Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability“, Ajith Antony, Nandakumar G Patnam, Kamaxi H Trivedi, Aashna Karbhari, Khurram Khaliq Bhinder, Armin Zarrintan, Joel G Fletcher, Mark Truty, Matthew P Johnson, Suresh T Chari und Ajit Harishkumar Goenka, 28.

April 2026, Gut. DOI: 10.1136/gutjnl-2025-337266 Finanzierung: National Institutes Health; Funk Zitiello Foundation; Centene Charitable Foundation; Hoveida Family Foundation