Im Projekt „KI-gestützte Erkennung von Hautmetastasen für Therapiemonitoring und molekulare Resistenzanalyse“ untersucht ein interdisziplinäres Team um Dr. Simon Goller, Dr. Anja Gesierich und Prof. Dr. Astrid Schmieder aus der Klinik und Poliklinik für Dermatologie, Venerologie und Allergologie in Kooperation mit dem Lehrstuhl für Informatik II (Prof. Dr. Samuel Kounev), wie künstliche Intelligenz (KI) Hautmetastasen auf Fotos zuverlässig erkennen und ihr Ansprechen auf Therapien verfolgen kann und warum einzelne Tumorherde trotz wirksamer Behandlung resistent bleiben.
Bei Patientinnen und Patienten mit fortgeschrittenem Hautkrebs können moderne Therapien wie Immuntherapien die Erkrankung häufig wirksam zurückdrängen. Allerdings reagieren nicht immer alle Tumorherde gleich: Während sich einzelne Hautmetastasen zurückbilden, wachsen andere weiter oder entstehen neu. Dieses sogenannte divergente Ansprechen erschwert die Beurteilung des Therapieerfolgs und kann dazu führen, dass unwirksame Behandlungen zu spät erkannt und gewechselt werden. Eine objektive Beurteilung anhand des bisherigen manuellen Vergleichs von Verlaufsfotografien durch die behandelnden Ärztinnen und Ärzte ist zudem durch unterschiedliche Fotowinkel und Bildausschnitte erschwert.
Das interdisziplinäre Forschungsprojekt der Dermatologie des UKW und der Informatik an der Julius-Maximilians-Universität Würzburg verbindet deshalb künstliche Intelligenz mit moderner molekularer Tumorforschung. Ein neu entwickeltes Computer-Vision-Modell soll Hautmetastasen auf Fotos automatisch erkennen, vermessen und ihre Veränderungen im Therapieverlauf objektiv erfassen. Dadurch könnte das Therapieansprechen zuverlässiger beurteilt und frühzeitig erkannt werden, wenn eine Behandlung nicht ausreichend wirkt. Gleichzeitig wollen die Forschenden verstehen, warum einzelne Tumorherde trotz einer grundsätzlich wirksamen Therapie resistent bleiben. Dafür werden ansprechende und nicht ansprechende Metastasen derselben Patientin oder desselben Patienten molekular miteinander verglichen. Mithilfe moderner Verfahren wie Einzelzellsequenzierung und räumlicher Analyse der Genaktivität sollen biologische Unterschiede in den Tumorzellen und ihrer unmittelbaren Umgebung identifiziert werden, die für die Therapieresistenz verantwortlich sein könnten.
Ziel ist es, die Behandlung von Patientinnen und Patienten mit fortgeschrittenem Hautkrebs durch ein präziseres KI-gestütztes Therapiemonitoring zu verbessern und gleichzeitig neue Angriffspunkte für Therapien gegen bislang resistente Tumorherde zu finden.
