Die Krebstherapie hat in den letzten Jahrzehnten erhebliche Fortschritte gemacht. Jedoch bleiben die damit verbundenen Nebenwirkungen, insbesondere Kardiotoxizität, eine der größten Herausforderungen. Kardiotoxizität, die durch chemotherapeutische Mittel wie Anthrazykline oder Trastuzumab verursacht wird, kann die Herzfunktion beeinträchtigen und zu langfristigen kardiovaskulären Problemen führen. Eine frühzeitige Erkennung und Risikoabschätzung dieser Nebenwirkungen sind entscheidend, um schwere Herzschäden zu vermeiden. Künstliche Intelligenz (KI) bietet hier vielversprechende Ansätze, die Diagnose und das Management von Kardiotoxizität bei Krebspatienten zu verbessern.
Die Anwendung von KI in der medizinischen Bildverarbeitung hat sich insbesondere in der Kardiologie als äußerst nützlich erwiesen. Bildgebende Verfahren wie Echokardiografie, Magnetresonanztomografie (MRT) und Computertomografie (CT) ermöglichen es, subtile Veränderungen im Herzgewebe zu erkennen. KI-Algorithmen, insbesondere Convolutional Neural Networks (CNNs), können diese Bilddaten mit hoher Präzision auswerten und Veränderungen identifizieren, die auf eine beginnende Kardiotoxizität hindeuten. Diese Algorithmen bieten die Möglichkeit, potenziell gefährliche Veränderungen im Herzstatus frühzeitig zu erfassen, noch bevor diese mit traditionellen Diagnosemethoden sichtbar werden.
Neben der Bildanalyse spielt KI auch eine wichtige Rolle in der personalisierten Risikoanalyse. Durch die Auswertung einer Vielzahl von Daten – darunter die medizinische Vorgeschichte, genetische Marker und klinische Messwerte – kann KI das Risiko von Patientinnen und Patienten für die Entwicklung einer Kardiotoxizität präzise berechnen. Auf dieser Basis können maßgeschneiderte Therapiepläne entwickelt werden, die das Risiko einer Kardiotoxizität minimieren. Dies ermöglicht eine individuellere und sicherere Krebstherapie.
Ein wichtiges Beispiel für die Anwendung von KI zur Risikoanalyse bietet die Arbeit von Oikonomou et al. [1]. Im Rahmen dieser retrospektiven Kohortenstudie wurde untersucht, wie gut KI kardiotoxische Effekte bei Patientinnen und Patienten prognostizieren kann, die mit Anthrazyklinen oder Trastuzumab behandelt wurden. Bei 1.550 Patienten (78,9 % Frauen) ohne bekannte Kardiomyopathie, die aufgrund von Brustkrebs oder Non-Hodgkin-Lymphom mit diesen Chemotherapeutika behandelt wurden, setzten die Forschenden ein KI-Modell ein, das auf Elektrokardiogramme (EKGs) basiert, um das Risiko für kardiotoxische Ereignisse wie Herzinsuffizienz und reduzierte linksventrikuläre Ejektionsfraktion (LVEF) vorherzusagen. Die Ergebnisse zeigten, dass die KI-gestützte Analyse von EKGs ein effektives Werkzeug zur Risikostratifizierung darstellt und eine frühe Identifikation von Patientinnen und Patienten mit hohem Risiko für Kardiotoxizität ermöglicht.
Im Rahmen der Arbeit entwickelte die Gruppe ein validiertes KI-Modell, das die Wahrscheinlichkeit einer linksventrikulären systolischen Dysfunktion (LVSD) anhand von EKG-Bildern berechnete. Sie unterteilten die Patientinnen und Patienten basierend auf den AI-ECG-Prognosen in drei Risikogruppen: niedrig (Wahrscheinlichkeit, 0,01), mittel (Wahrscheinlichkeit 0,01–0,1) und hoch (Wahrscheinlichkeit ≥ 0,1). Ihre Analyse ergab, dass eine hohe Wahrscheinlichkeit für LVSD (≥ 0,1) mit einem signifikant höheren Risiko für Kardiotoxizität assoziiert war. So hatten Patientinnen und Patienten mit einem hohen Risiko eine 3,4-mal und 13,5-mal höhere Inzidenz von Kardiotoxizität und einer LVEF, 40 % im Vergleich zu Patientinnen und Patienten mit niedrigem Risiko.
Ein entscheidender Vorteil der KI-Anwendungen in der Onkologie und Kardiologie liegt in ihrer Fähigkeit, langfristige Überwachungsdaten zu integrieren und auszuwerten. Da eine Kardiotoxizität oft erst Jahre nach Abschluss der Behandlung auftritt, ist eine kontinuierliche und präzise Überwachung erforderlich. KI-Systeme, die regelmäßige EKGs und Echokardiogramme analysieren, können frühzeitig Veränderungen in der Herzfunktion erkennen und so eine rechtzeitige Intervention ermöglichen, bevor es zu irreversiblen Schäden kommt. Die Möglichkeit, frühzeitig Anomalien zu erkennen und das Risiko von Kardiotoxizität auf individueller Ebene zu steuern, könnte dazu beitragen, die Langzeitüberlebensraten von Krebspatienten zu erhöhen, indem kardiovaskuläre Erkrankungen, die oft mit der Krebstherapie in Zusammenhang stehen, proaktiv behandelt werden.