KI verdreifacht die Sensitivität der Früherkennung von Bauchspeicheldrüsenkrebs

KI-Tool entwickelt, das Früherkennung von Bauchspeicheldrüsenkrebs verdreifachen kann

Forscher der Mayo Clinic entwickelten das REDMOD-Modell, das Bauchspeicheldrüsenkrebs auf CT-Scans in einem Stadium erkennt, in dem der Tumor für Ärzte noch unsichtbar ist. In Tests verdreifachte das Modell die Erkennungsempfindlichkeit im Vergleich zu Radiologen und fand Krebs durchschnittlich 475 Tage vor der Standarddiagnose.

---

Nicht nur ein Detektor, sondern eine Zeitmaschine: Wie REDMOD von der Mayo Clinic die Spielregeln gegen Bauchspeicheldrüsenkrebs neu schreibt

[Das Wesentliche]: Was wirklich passiert

Ende April 2026 veröffentlichten Forscher der Mayo Clinic eine Studie in der Fachzeitschrift Gut, die nach allen Maßstäben nicht als wissenschaftliche Arbeit, sondern als Kriegserklärung betrachtet werden sollte. Der Feind ist das duktale Adenokarzinom der Bauchspeicheldrüse (PDA), eine Erkrankung mit einer Fünf-Jahres-Überlebensrate von 13 % und 8 % für die häufigste Form. Die Waffe ist REDMOD (Radiomics-based Early Detection Model), ein KI-Modell, das Krebs auf CT-Scans erkennt, wenn die Bauchspeicheldrüse für das menschliche Auge völlig normal aussieht.

Die Zahlen, die Onkologen die Studie zweimal lesen lassen: Die Sensitivität des Modells im Stadium, in dem der Tumor noch nicht sichtbar ist, beträgt 73 % gegenüber 39 % bei erfahrenen Radiologen. Die mediane Vorlaufzeit beträgt 475 Tage. Und bei Fällen, die mehr als zwei Jahre vor der klinischen Diagnose entdeckt wurden, ist die Sensitivität von REDMOD dreimal höher als die des Menschen (68 % vs. 23 %). Dies ist keine Verbesserung bestehender Technologie. Es ist ein Paradigmenwechsel: von der Suche nach sichtbaren Läsionen zur Erkennung texturaler Fingerabdrücke, vom Reagieren auf Krankheit zur prädiktiven Intervention.

Zeitstrahl und Kontext

Die Geschichte von REDMOD begann nicht gestern. Bereits 2022 wurde eine Machbarkeitsstudie derselben Gruppe in Gastroenterology veröffentlicht, die zeigte, dass radiomische Merkmale prädiagnostische CT-Scans von Kontrollen unterscheiden können. Aber dieses Modell der ersten Generation hatte kritische Einschränkungen: Es erforderte eine manuelle Pankreassegmentierung, wurde an einer künstlich balancierten 1:1-Stichprobe (Krebs/Normal) getestet und war nicht für die reale Welt bereit.

Der Gruppenleiter, Radiologe und Nuklearmediziner Dr. Ajit Goenka, beschrieb vier technologische Durchbrüche, die das Konzept in REDMOD verwandelten:

• Automatische 3D-Segmentierung basierend auf der nnU-Net-Architektur – eliminierte den menschlichen Faktor und machte das System skalierbar.

• Mehrskalen-Wavelet-Transformation – 968 radiomische Merkmale, aus denen der mRMR-Algorithmus die 40 aussagekräftigsten auswählte. Wesentliches Detail: 90 % der ausgewählten Merkmale stammten aus gefilterten Texturen, nicht aus sichtbaren Graustufeneigenschaften.

• Ensemble-Klassifikator – logistische Regression, Random Forest und XGBoost, kombiniert über einen Soft-Voting-Mechanismus.

• Einstellbarer Schwellenwert – das Modell gibt eine kontinuierliche Wahrscheinlichkeit (0–1) aus, und der Schwellenwert kann verschoben werden: niedriger für maximale Sensitivität im Screening, höher für Spezifität vor invasiven Eingriffen.

Die Ergebnisse wurden am 28. April 2026 in Gut veröffentlicht. Und am 7. Mai gab die Mayo Clinic den Start der ersten klinischen Studie in den USA zu einem KI-Radiomik-Algorithmus zur Früherkennung von Bauchspeicheldrüsenkrebs bekannt – die Rekrutierung von 100 Patienten im Alter von 50–85 Jahren hat bereits begonnen.

Wer gewinnt und wer verliert

Gewinner:

• Hochrisikopatienten – hauptsächlich Menschen mit neu diagnostiziertem Diabetes und erhöhtem ENDPAC-Score. Dies ist die Population, auf die REDMOD abzielt, und hier beträgt die Krebsprävalenz 3–4 %, was ein Screening rechtfertigt. Modellierungen zeigen, dass sich die Überlebensrate verdoppeln würde, wenn der Anteil des lokalisierten PDA von derzeit 10 % auf 50 % steigt.

• Mayo Clinic als Ökosystem. Die Klinik baut bereits Werkzeuge, um automatisch Variablen aus elektronischen Patientenakten zu extrahieren und berechtigte Patienten ohne manuelle Arbeit zu identifizieren. Das System ist für den Einsatz in mehreren Einrichtungen ausgelegt: Die Studie wird auf Standorte in Arizona und Florida ausgeweitet, dann auf Partnerzentren weltweit. Dies ist eine strategische Wette auf die Schaffung eines neuen Versorgungsstandards, bei dem Mayo nicht nur Anbieter, sondern Plattform wird.

• Der Markt für KI-gestützte Diagnostik im Allgemeinen. 2026 wurde zum Jahr, in dem CPT-Codes erstmals KI-gestützte Bildanalyse als eigenständige erstattungsfähige Leistung anerkannten. REDMOD passt perfekt in diesen regulatorischen Rahmen: Es gibt einen spezifischen Algorithmus, eine Dokumentation und einen Abrechnungscode.

Verlierer:

• Hersteller von „späten“ Diagnosetests. REDMOD zielt auf Stadium 0 – vor der Massenbildung, vor klinischen Symptomen. Wenn das Modell prospektiv validiert wird, schrumpft der Markt für Tests, die bereits vermuteten Krebs bestätigen sollen (Biopsien unter EUS, einige molekulare Panels): Patienten werden früher ins System kommen, und der Anteil der Spätdiagnostik wird sinken.

• Radiologen, die nicht bereit für die KI-Integration sind. REDMOD ersetzt den Radiologen nicht, verändert aber seine Rolle radikal: vom „Finden der Nadel im Heuhaufen“ zum „Überprüfen von Algorithmushinweisen“. Die Sensitivitätslücke (73 % vs. 39 %) ist zu groß, um sie bei Klagen wegen übersehener Diagnosen zu ignorieren. In 3–5 Jahren wird der Versorgungsstandard KI-Unterstützung bei der Interpretation von abdominalen CT-Scans bei Hochrisikopatienten erfordern – und wer sich nicht anpasst, wird beruflichen Haftungsrisiken ausgesetzt sein.

Was die Medien nicht sagen

Nicht offensichtliche Erkenntnis: REDMOD ist kein Krebsdetektor. Es ist ein Detektor der Stromareaktion, die dem Krebs vorausgeht.

Die meisten Veröffentlichungen konzentrieren sich auf „476 Tage vor der Diagnose“ und „dreifache Überlegenheit gegenüber Radiologen“. Aber aus Goenkas Interview ergibt sich eine grundlegend andere Sicht auf die Natur des Signals.

90 % der signifikanten radiomischen Merkmale von REDMOD sind gefilterte Textureigenschaften, die aus Wavelet-Transformationen und Laplace-of-Gaussian-Filtern abgeleitet sind. Sie erfassen nicht den Tumor selbst (er ist noch nicht da), sondern Veränderungen in der Mikroarchitektur des Gewebes: Remodellierung der extrazellulären Matrix, fibrotische Veränderungen, Verschiebungen der Zelldichte – also die Stromareaktion auf die Karzinogenese. Eine Ablationsanalyse zeigte, dass das Modell allein mit gefilterten Merkmalen eine AUC von 0,82 hat, während es mit ungefilterten Merkmalen nur 0,74 erreicht. Der Unterschied von 8 Punkten ist statistisch signifikant.

Dies definiert das eigentliche Konzept der „Frühdiagnose“ neu. Bisher suchten wir nach dem Tumor. Jetzt suchen wir nach der Gewebereaktion auf einen Prozess, der noch keinen Tumor gebildet hat. Es ist, als würde man ein Feuer am Rauchgeruch erkennen, nicht an sichtbaren Flammen – und das 16 Monate, bevor jemand das Feuer bemerkt.

Zweite Erkenntnis: Die Vorhersage unsichtbaren Krebses öffnet die Büchse der Pandora für das Screening asymptomatischer Personen.

Derzeit wird REDMOD prospektiv an einer Hochrisikopopulation (ENDPAC-positive Patienten mit neu aufgetretenem Diabetes) getestet. Technologisch spricht jedoch nichts dagegen, alle abdominalen CT-Scans, die aus irgendeinem Grund durchgeführt werden – sei es wegen eines Nierensteins oder einer Blinddarmentzündung – durch das Modell laufen zu lassen. Dies wird als „opportunistisches Screening“ bezeichnet, und die Mayo Clinic diskutiert diese Möglichkeit bereits.

Das Problem ist, dass der regulatorische und ethische Rahmen dafür fehlt. Was tun mit einem Patienten, bei dem REDMOD eine Krebs-Wahrscheinlichkeit von 0,5 anzeigt, das CT aber eine völlig normale Bauchspeicheldrüse zeigt und der EUS nichts findet? Wie oft wiederholt man die Scans? Wer zahlt für den „falschen Alarm“? Diese Fragen haben keine Antworten, aber die Entstehung von REDMOD zwingt uns, sie zu formulieren.

Prognose: Nächste 30 Tage und 90 Tage

30 Tage (bis Mitte Juni 2026):

Es wird erwartet, dass mehrere große akademische Zentren (MD Anderson, Johns Hopkins, Memorial Sloan Kettering) eigene Validierungsprogramme für REDMOD-ähnliche Modelle an retrospektiven Daten ankündigen. Die Mayo Clinic wird wahrscheinlich die ersten Zwischenergebnisse der Patientenrekrutierung in der AI-PACED-Studie vorlegen – selbst bei N=100 wird die Tatsache der Rekrutierung selbst vom Markt als Signal interpretiert, dass die Technologie von der Wissenschaft in die Praxis übergeht.

Gleichzeitig werden die Erstattungsdiskussionen intensiviert. Die CPT-Codes von 2026 haben KI-gestützte Diagnostik bereits als erstattungsfähige Leistung anerkannt, und REDMOD ist ein idealer Kandidat für einen separaten Code, der auf die FDA-Zulassung wartet. Investmentbanken werden beginnen, den potenziellen Markt zu schätzen: 600.000+ abdominale CT-Scans pro Jahr in der Hochrisikopopulation in den USA × 100–200 $ pro KI-Analyse = 60–120 Millionen $ Jahresumsatz allein im Inlandsmarkt.

90 Tage (bis Mitte August 2026):

Der wichtigste Katalysator ist die FDA-Entscheidung über die Klassifizierung von REDMOD. Wenn der Regulierer den De-Novo-Zulassungsweg (anstelle von PMA) wählt, verkürzt sich der Marktzugang auf 12–18 Monate. Gleichzeitig wird die erste externe Validierungsstudie von einer nicht mit Mayo verbundenen Einrichtung erwartet. Dies ist entscheidend: Die aktuelle Validierung am NIH-PCT-Datensatz zeigte eine Spezifität von 87,5 %, aber die Stichprobe ist begrenzt. Eine externe Bestätigung an einer europäischen oder asiatischen Population wird entweder das Vertrauen stärken oder versteckte Verzerrungen aufdecken.

Bis Ende Sommer 2026 ist auch eine Ankündigung der ersten kommerziellen Partnerschaft zwischen der Mayo Clinic und einem PACS-Systemhersteller oder einer Radiologie-Workflow-Plattform (Sectra, Visage Imaging oder ähnlich) zur Integration von REDMOD in den Routine-Workflow von Radiologen wahrscheinlich. Diese Integration, nicht die Modellgenauigkeit, wird die Geschwindigkeit der Einführung bestimmen.

Fazit: REDMOD ist nicht nur ein KI-Tool. Es ist eine Demonstration, dass die tödlichste Krebsform in einem Stadium abgefangen werden kann, in dem sie heilbar ist. Wenn prospektive Studien die Ergebnisse bestätigen, wird sich die Definition von „Bauchspeicheldrüsenkrebsdiagnose“ für immer ändern – von „wenn es bereits zu spät ist“ zu „16 Monate bevor es zu spät gewesen wäre“.

— Editorial Team