ESMO GI 2026: KI-Biomarker und klinischer Nutzen in der Krebsmedizin
Auf dem ESMO GI 2026 präsentierten Experten das EBAI-Framework, das KI-basierte Biomarker in drei Validierungsstufen einteilt. Klinische Daten zeigten, dass KI Mikrosatelliteninstabilität mit einer Sensitivität von 96–98 % erkennt und die MRT-gesteuerte Brachytherapie das rezidivfreie Überleben verbessert.
Experten auf dem ESMO-Kongress für gastrointestinale Tumoren 2026 betonten, wie künstliche Intelligenz über die Bilderkennung hinausgeht und klinischen Nutzen in Chirurgie, Pathologie und bildgeführter Intervention liefert. Sie stellten außerdem die grundlegenden Anforderungen der ESMO für KI-basierte Biomarker in der Onkologie (EBAI) vor, ein Framework, das KI-basierte Biomarker in drei Stufen einteilt und Mindestanforderungen an die Validierung für jede Stufe definiert.
Bei kolorektalem Karzinom erkannte der MSIntuit-Algorithmus Mikrosatelliteninstabilität direkt aus routinemäßigen Hämatoxylin-Eosin-Schnitten (H&E) mit einer Sensitivität von 96–98 % (Nat Commun. 2023;14:6695). Zudem wurden Deep-Learning-Modelle entwickelt, um Lymphknotenmetastasen aus CT-Bildern vor der Behandlung bei Magenkarzinomen vorherzusagen (eClinicalMedicine. 2024;75:102805). Laut Experten tritt das Feld in eine neue Phase ein, in der der klinische Nutzen ebenso wichtig ist wie die technische Leistungsfähigkeit.
In der chirurgischen KI quantifizierten Proof-of-Concept-Daten mit der KI-Plattform EUREKA X die Erhaltung von lockerem Bindegewebe während der robotergestützten Rektumkarzinomchirurgie. In einer gematchten Fall-Kontroll-Studie mit 44 Patienten waren KI-abgeleitete Messwerte der Gewebeerhaltung mit postoperativer Harnfunktionsstörung assoziiert; in Kombination mit dem Patientenalter erreichte das Modell eine Fläche unter der Kurve von etwa 0,81. Die Forscher schlugen vor, dass zukünftige KI-Systeme während der Operation Echtzeit-Feedback geben könnten, und merkten an: „Die Zukunft ist nicht KI gegen Chirurgen. Sie ist KI-unterstützte Chirurgen."
In der bildgeführten Intervention erweitert die MRT-gesteuerte interstitielle Brachytherapie die Behandlungsoptionen für Lebertumoren, die für die thermische Ablation ungeeignet sind, und ermöglicht die Darstellung von Läsionen, die im CT oft unsichtbar sind. In der prospektiven MR-BRIGHT-Studie (Z Gastroenterol 2025; 63(01): e45) erzielte die MRT-gesteuerte Brachytherapie ein signifikant höheres lokales rezidivfreies Überleben als die CT-gesteuerte Behandlung (95,1 % gegenüber 79,9 %; p=0,027) und reduzierte gleichzeitig die Niedrigdosis-Strahlenbelastung des gesunden Lebergewebes erheblich (15 % gegenüber 43 %). Algorithmen des maschinellen Lernens könnten die MRT-Bildrekonstruktion beschleunigen und Artefakte reduzieren, was eine Echtzeit-MRT-Führung zunehmend praktikabler macht.
Die Pathologie könnte der Bereich sein, in dem der Übergang der KI von der Forschung in die Routinepraxis am deutlichsten ist. Experten beschrieben KI als das Produkt von vier zusammenlaufenden Entwicklungen: einer wachsenden Biomarker-Landschaft, zunehmender Arbeitsbelastung in der Pathologie, breiter Einführung der digitalen Pathologie und anhaltender diagnostischer Variabilität. Das EBAI-Framework skizziert, wie Algorithmen von der Standardisierung bestehender Biomarker über die direkte Vorhersage molekularer Veränderungen anhand von H&E-Schnitten bis hin zur Entdeckung völlig neuer Biomarker fortschreiten, einschließlich neuartiger Modelle, die erkennen können, wann sie keine Vorhersage treffen sollten (Ann Oncol. 2026;37(3):414–430).