KI erkennt Bauchspeicheldrüsenkrebs 3 Jahre vor Diagnose im CT
Ein Deep-Learning-Modell, trainiert auf 32.000 CT-Bildern, identifiziert subzentimeter große Tumore mit 86 % Genauigkeit – entscheidend für Heilung bei niedrigen Überlebensraten.
Einleitung
Im April 2026 gelang der Onkologie ein Durchbruch, der das Schicksal einer der tödlichsten Krebsarten verändern könnte. Forscher der Mayo Clinic stellten REDMOD vor, ein KI-Modell, das duktales Adenokarzinom der Bauchspeicheldrüse auf standardmäßigen abdominalen CT-Scans bis zu drei Jahre vor der klinischen Diagnose erkennen kann.
Bauchspeicheldrüsenkrebs bleibt die onkologische Erkrankung mit der schlechtesten Prognose. Über 85 % der Patienten werden in einem Stadium diagnostiziert, in dem der Tumor bereits über das Organ hinaus gestreut hat, und die Fünf-Jahres-Überlebensrate liegt unter 12 %. Bis 2030 wird diese Krebsart die zweithäufigste Krebstodesursache in den USA sein. Das größte Hindernis für die Rettung von Leben ist nicht der Mangel an Behandlungsmethoden, sondern die Unfähigkeit, die Krankheit in einem frühen, noch heilbaren Stadium zu erkennen.
REDMOD adressiert genau dieses Problem. Statt nach einem sichtbaren Tumor zu suchen, analysiert die KI subvisuelle radiomische Muster – kaum wahrnehmbare Störungen in der Gewebetextur und -struktur, die Jahre vor der Bildung eines Neoplasmas auftreten.
Ereignisdetails und Zeitplan
Modellentwicklung. REDMOD wurde an einer multizentrischen Kohorte von 969 Patienten trainiert, darunter 156 Personen mit präklinischem Krebs und 813 Kontrollfälle. Das Modell verwendet eine vollautomatische Pankreassegmentierung und eine Ensemble-Architektur (logistische Regression, Random Forest, XGBoost), die auf 40 radiomischen Merkmalen trainiert wurde.
Wichtigste Ergebnisse. Bei Tests an einer unabhängigen Kohorte von 493 Patienten erreichte REDMOD einen AUC von 0,82 und eine Sensitivität von 73,0 %, wobei Krebs im Durchschnitt 475 Tage vor der klinischen Diagnose erkannt wurde. Die Sensitivität des Modells war fast doppelt so hoch wie die erfahrener Radiologen (73,0 % vs. 38,9 %). Bei Fällen, die mehr als 24 Monate vor der Diagnose entdeckt wurden, stieg der Vorteil der KI auf fast das Dreifache (68,0 % vs. 23,0 %).
Stabilität und Generalisierbarkeit. Bei wiederholten Scans derselben Patienten zeigte REDMOD eine Ergebnisstabilität von 90–92 %. Die Spezifität des Modells betrug 81,3 % bei einer unabhängigen multizentrischen Kohorte von 539 Patienten und 87,5 % beim öffentlichen NIH-Datensatz von 80 Patienten.
Parallelentwicklungen. Neben REDMOD entstanden 2025–2026 weitere Systeme. Wissenschaftler der Staatlichen Elektrotechnischen Universität Sankt Petersburg LETI entwickelten in Zusammenarbeit mit dem Nationalen Medizinischen Forschungszentrum für Chirurgie Vishnevsky ein neuronales Netz mit 92,55 % Genauigkeit bei der Erkennung pathologischer Veränderungen. Eine in PLOS ONE veröffentlichte Studie stellte ein CAD-System mit einer Erkennungsgenauigkeit von 99,64 % und einer Klassifikationsgenauigkeit von 98,72 % vor.
Auswirkungen und Bedeutung
Für die Onkologie. REDMOD bestätigte die Theorie eines präklinischen „Fensters“ von mehreren Jahren, in dem Bauchspeicheldrüsenkrebs bereits im Körper vorhanden ist, aber für das menschliche Auge und Standardbildgebungsverfahren unsichtbar bleibt. Forscher der Mayo Clinic zeigten erstmals, dass subvisuelle Gewebetexturstörungen, die von der KI erfasst werden, als zuverlässige Prädiktoren für die zukünftige Erkrankung dienen.
„Das größte Hindernis für die Rettung von Leben bei Bauchspeicheldrüsenkrebs war unsere Unfähigkeit, die Krankheit zu sehen, wenn sie noch heilbar ist“, sagte Ajit Goenka, leitender Autor der Studie. „Diese KI kann nun die Krebs-Signatur in einer normal erscheinenden Bauchspeicheldrüse identifizieren, und das zuverlässig über die Zeit und in verschiedenen klinischen Umgebungen.“
Für die Pharmaindustrie. Der REDMOD-Durchbruch verändert die Ökonomie der Medikamentenentwicklung für Bauchspeicheldrüsenkrebs. Die Früherkennung eröffnet die Möglichkeit, neue Medikamente bei Patienten mit minimaler Tumorlast zu testen, wo die Therapiewirksamkeit potenziell höher ist. Gleichzeitig starteten Forscher der Mayo Clinic die klinische Studie AI-PACED, die die Integration von KI-Screening zur Unterstützung von Patienten mit neu diagnostiziertem Diabetes – einer Hochrisikogruppe – evaluiert.
Für die Gesellschaft. Modellierungen zeigen, dass eine Erhöhung des Anteils lokalisierter Bauchspeicheldrüsenkrebsfälle von 10 % auf 50 % die Überlebensraten mehr als verdoppeln würde. Das durch REDMOD geschaffene Zeitfenster ermöglicht es, die Diagnose vom symptomatischen Spätstadium (in dem nur palliative Versorgung möglich ist) auf Stadium 0 zu verschieben, wenn Krebszellen vorhanden sind, aber nicht gestreut haben, und die Behandlung radikal und potenziell heilend sein kann.
Reaktionen der Hauptakteure
Mayo Clinic. Die Forscher betonen, dass REDMOD kein Ersatz für Radiologen ist, sondern ein Entscheidungsunterstützungswerkzeug. Das Modell ist für die Analyse von CT-Scans gedacht, die bereits aus anderen Gründen durchgeführt wurden, insbesondere bei Hochrisikopatienten (ältere Erwachsene mit neu diagnostiziertem Diabetes und Gewichtsverlust). Der nächste Schritt ist die prospektive Validierung in realen Screening-Programmen.
Wissenschaftliche Gemeinschaft. Die REDMOD-Ergebnisse wurden in Gut, einer der führenden Zeitschriften für Gastroenterologie, veröffentlicht. Die Studie erhielt hohes Lob für ihre methodische Strenge: Sie zeigte erstmals die longitudinale Stabilität der Prädiktoren und die Spezifität an unabhängigen Kohorten. Besondere Aufmerksamkeit erregte die Analyse der Arbeitsmechanismen des Modells: Über 90 % der Vorhersagekraft von REDMOD stammt aus Texturmerkmalen, die auf mehreren Skalen der Wavelet-Transformation extrahiert wurden.
Russische Wissenschaftler. Die Entwicklung des neuronalen Netzes an der LETI wird im Rahmen der Dekade der Wissenschaft und Technologie in Russland durchgeführt. In Zukunft soll das Modell in ein klinisches Entscheidungsunterstützungssystem integriert werden, das nicht nur Tumore erkennt, sondern auch den Grad ihrer Invasion in benachbarte Organe bewertet.
Prognose und Schlussfolgerungen
Stand Mai 2026. REDMOD wurde das erste vollautomatische, longitudinal stabile und extern validierte KI-System zur Erkennung von präklinischem Bauchspeicheldrüsenkrebs. Die Sensitivität des Modells ist fast doppelt so hoch wie die von Radiologen, und der Vorteil nimmt mit dem Zeithorizont bis zur Diagnose zu.
Hauptherausforderungen. Die hohe Spezifität (81–87 %) bedeutet, dass einige Prozent der Patienten falsch-positive Ergebnisse erhalten könnten – ein Problem, das klare Nachsorgeprotokolle erfordert. Zudem wurde die Studie an einer begrenzten ethnischen Stichprobe durchgeführt. Für die endgültige klinische Umsetzung sind prospektive Studien an Hochrisikokohorten erforderlich.
Ausblick. Der nächste Entwicklungsschritt ist die Integration von REDMOD mit Analyseprogrammen für elektronische Gesundheitsakten, die Patienten mit neu aufgetretenem Diabetes und Gewichtsverlust identifizieren und automatisch ein Screening einleiten können. Groß angelegte prospektive Studien sind bereits in Boston, Berlin und Singapur geplant.
Fazit. Bauchspeicheldrüsenkrebs ist keine „unsichtbare“ Krankheit mehr. REDMOD und ähnliche KI-Systeme können Jahre vorausschauen, dorthin, wo die Krankheit gerade erst beginnt. Dies ist kein Allheilmittel, sondern ein mächtiges Werkzeug, das – kombiniert mit einer gezielten Ansprache von Risikogruppen und wirksamer Therapie – das Blatt im Kampf gegen eine der heimtückischsten onkologischen Erkrankungen wenden könnte. Wie die Studienautoren zusammenfassen: „Der Paradigmenwechsel von der späten symptomatischen Diagnose zur proaktiven präklinischen Intervention ist eine reale Hoffnung auf bessere Ergebnisse bei dieser herausfordernden Krankheit.“
— Editorial Team
