KI-Modell der Mayo Clinic verdreifacht Früherkennung von Bauchspeicheldrüsenkrebs
Das REDMOD-Modell, entwickelt von der Mayo Clinic und beschrieben im Journal Gut, erkennt Tumorsignale, die für Radiologen auf CT-Scans unsichtbar sind, bis zu 475 Tage vor der Standarddiagnose. Die Technologie steigert die Erkennungsempfindlichkeit auf 73 % und hat bereits ihre erste klinische Studie in den USA gestartet.
Die Entwicklung des REDMOD-Modells durch die Mayo Clinic ist nicht nur ein weiteres „KI sieht Krebs vor dem Arzt“. Es ist das erste validierte System, das Bauchspeicheldrüsenkrebs von einem „spät diagnostizierten Todesurteil“ zu einer Krankheit macht, die mit Routinegeräten, die bereits in Tausenden von Kliniken installiert sind, gescreent werden kann. Während die Schlagzeilen sich auf die „Verdopplung der Sensitivität“ konzentrieren, liegt die eigentliche Veränderung auf der Ebene des diagnostischen Geschäftsmodells: Das Modell erfordert keine neue Ausrüstung, spezielle Scan-Protokolle oder manuelle Annotation – es analysiert automatisch standardmäßige abdominale CT-Scans.
Der Kern: Nicht Tumorerkennung, sondern Abfangen im Stadium des „Null-Phänotyps“
Formal wurde die Arbeit am 28. April 2026 in Gut von einer Gruppe unter der Leitung von Sovanlal Mukherjee und Ajit Goenka veröffentlicht. Das wichtigste Ergebnis: In einem unabhängigen Testsatz identifizierte REDMOD 73 % der Patienten, die später ein duktales Adenokarzinom des Pankreas entwickelten, mit einer medianen Vorlaufzeit von 475 Tagen vor der klinischen Diagnose. Radiologen, die dieselben Scans auswerteten, zeigten eine Sensitivität von 38,9 %. Bei Fällen mit einer Verzögerung von mehr als zwei Jahren ist die Lücke noch dramatischer – 68 % gegenüber 23 %.
Der Kern liegt jedoch nicht in der Überlegenheit gegenüber Menschen, sondern darin, was das Modell tatsächlich findet. 90 % der verwendeten Merkmale sind gefilterte radiomische Merkmale nach Wavelet-Transformationen. Mit anderen Worten: REDMOD erfasst keine Mikroknoten, die der Radiologe „übersehen“ hat, sondern Veränderungen der Gewebetextur auf einer Ebene, die der menschlichen Wahrnehmung grundsätzlich unzugänglich ist. Dies ist effektiv ein „Stadium-0“-Tumor, bei dem es kein morphologisches Substrat gibt, sondern nur eine Störung lokaler Intensitätsgradienten und multiskalare texturelle Anomalien.
Zeitplan und Kontext
Die Geschichte begann lange vor der Veröffentlichung im April. Die Mayo Clinic hat mehrere Jahre in die Precure-Initiative investiert – ein Programm zur Vorhersage und Prävention von Krankheiten, bevor Symptome auftreten. REDMOD ist nicht ihr erstes KI-Projekt, aber es ist das erste, das die Stufe einer prospektiven klinischen Studie, AI-PACED, erreicht hat.
Der Kontext wird durch Überlebensstatistiken bestimmt: Die Fünfjahresüberlebensrate für duktales Adenokarzinom des Pankreas liegt in den USA bei etwa 13 % insgesamt und bei 8 % für Adenokarzinom. Mehr als 85 % der Patienten werden in einem Stadium diagnostiziert, in dem der Tumor bereits inoperabel ist. Bis 2030 wird Bauchspeicheldrüsenkrebs voraussichtlich die zweithäufigste krebsbedingte Todesursache in den USA sein.
Die technische Grundlage ist die Radiomik, eine Disziplin, die Hunderte von quantitativen Merkmalen aus medizinischen Bildern extrahiert. Aus einem anfänglichen Pool von 968 Merkmalen wählte das Modell 40 aus, wobei drei Algorithmen des maschinellen Lernens in einem Ensemble arbeiteten. Wichtig ist, dass das Training mit Daten mehrerer Einrichtungen durchgeführt wurde – Scans, die in mehreren Krankenhäusern mit verschiedenen Scannern und Protokollen gesammelt wurden. Dies bedeutet, dass das Problem des Domain Shifts, das Dutzende von medizinischen KI-Startups getötet hat, hier zumindest teilweise gemildert wird.
Wer gewinnt und wer verliert
Gewinner: Die erste Gruppe ist die Mayo Clinic selbst, die ihren Status als Exzellenzzentrum für KI-Radiomik festigt. Ihre eigene Pressemitteilung vom 28. April 2026 präsentiert REDMOD als Teil einer Clinical-Impact-Strategie, die darauf abzielt, die Umsetzung von Entdeckungen in die Praxis zu beschleunigen. Die zweite Gruppe sind CT-Hersteller, insbesondere Siemens Healthineers und GE HealthCare. Wenn das Modell mit Standard-Scans funktioniert, steigt der Wert jedes installierten Scanners: Er wird zu einem Screening-Werkzeug ohne zusätzliche Investitionen. Die dritte Gruppe sind Hochrisikopatienten, vor allem Menschen über 60 mit neu aufgetretenem Diabetes und Gewichtsverlust, deren Risiko, ein PDA zu entwickeln, 20-mal höher ist als in der Allgemeinbevölkerung. Für sie ist REDMOD die erste echte Chance auf Erkennung vor dem inoperablen Stadium.
Verlierer: Entwickler von Liquid Biopsy, die Millionen von Dollar in Tests für zirkulierende Tumor-DNA zur Früherkennung investiert haben. REDMOD nutzt vorhandene Scans, keine Blutabnahme, keine Laborlogistik und null Grenzkosten pro Analyse. Wenn das Modell in prospektiven Studien eine vergleichbare oder bessere Sensitivität zeigt, wird die wirtschaftliche Grundlage für teure Bluttests ernsthaft untergraben. Zweitens: Versicherungsgesellschaften: Die Früherkennung erzeugt eine Welle neuer Patienten, die eine Operation und Chemotherapie benötigen, was kurzfristig die Kosten erhöht, auch wenn es langfristig Leben rettet.
Was die Medien nicht sagen
Der erste blinde Fleck ist die Spezifität. REDMOD zeigte eine Spezifität von 81,1 %. Dies bedeutet fast 19 % falsch-positive Ergebnisse. Wenn dies auf eine Bevölkerung hochgerechnet wird, die aus anderen Gründen eine routinemäßige abdominale CT erhält, wird die Anzahl der falsch-positiven Ergebnisse enorm sein. Jeder solche Fall führt zu unnötigen Biopsien, endoskopischen Ultraschalluntersuchungen oder wiederholten Scans. Die Kosten einer falsch-positiven Kaskade liegen zwischen 5.000 und 15.000 US-Dollar pro Patient. Das Gesundheitssystem muss bereit sein, diese Kosten zu tragen.
Der zweite Punkt: Die Studie räumt ein, dass die Stichprobe ethnisch nicht divers war. Dies ist kritisch, da radiomische Signaturen der Gewebetextur von Bevölkerungsmerkmalen abhängen können – Stromaanteil, Fettinfiltration der Bauchspeicheldrüse, Prävalenz chronischer Pankreatitis in der Bevölkerung. REDMOD, das überwiegend mit Daten von weißen Patienten aus Minnesota trainiert wurde, könnte an Sensitivität verlieren, wenn es beispielsweise in Südostasien eingesetzt wird.
Der dritte und wichtigste unausgesprochene Punkt: das regulatorische Vakuum. Die MHRA im Vereinigten Königreich hat noch immer keinen spezialisierten Rahmen für KI-Medizinprodukte veröffentlicht, der für 2026 versprochen wurde. Die FDA in den USA hat ausgereiftere Verfahren, aber auch dort ist der Status eines KI-Modells als „Screening-Gerät“ versus „Entscheidungsunterstützungswerkzeug“ nicht endgültig geklärt. REDMOD ist formal eine retrospektive Validierung, und die Mayo Clinic warnt ehrlich, dass „prospektive Validierung von größter Bedeutung ist“. Aber der Druck von Patientenschutzgruppen wird zunehmen, und die FDA könnte sich in einer Situation wiederfinden, in der sie die Technologie genehmigen muss, bevor eine ideale RCT abgeschlossen ist.
Prognose: Die nächsten 30 Tage und 90 Tage
In den nächsten 30 Tagen erwarte ich den Beginn der Rekrutierung für AI-PACED, die von der Mayo Clinic angekündigte prospektive Studie. Gleichzeitig wird mindestens ein großes Krebsnetzwerk auf dem Niveau von MD Anderson oder Memorial Sloan Kettering Pläne ankündigen, REDMOD mit eigenen retrospektiven Daten zu validieren. Die Veröffentlichung in Gut mit multi-institutionellen Validierungsdaten liefert ihnen bereits eine methodische Vorlage.
In der 90-Tage-Perspektive: Die FDA wird wahrscheinlich ein Diskussionspapier zum Status radiomikbasierter Erkennungsmodelle als Klasse veröffentlichen. Dies wird keine Richtlinie sein, sondern ein Signal an den Markt – bereitet euch auf Regulierung vor. Gleichzeitig erwarte ich, dass mindestens zwei venture-finanzierte Startups die Entwicklung konkurrierender Modelle ankündigen, die auf „Stadium 0“ anderer Tumore abzielen – wahrscheinlich Ovarial- und Cholangiokarzinom, wo das gleiche Problem der Unsichtbarkeit in frühen Stadien besteht.
Die Hauptprognose: REDMOD wird ein Präzedenzfall, der das eigentliche Konzept des Screenings verändert. Heute erfordert Screening einen separaten Besuch, separate Ausrüstung und ein Bevölkerungsprogramm. Das Mayo-Modell zeigt, dass Screening „passiv“ sein kann – jede routinemäßige abdominale CT, die aus irgendeinem Grund durchgeführt wird, wird automatisch von KI auf frühe Krebs-Signaturen analysiert. Bei 80 Millionen CT-Scans pro Jahr allein in den USA bedeutet dies die Schaffung des größten opportunistischen Screening-Netzwerks in der Medizingeschichte mit null zusätzlichen Datenerfassungskosten. Der Markt, der daraus entsteht, wird nicht in Millionen, sondern in Milliarden von Dollar gemessen.
— Editorial Team
