 |  | Theo Dingermann |
 |
30.04.2026 10:30 Uhr |
Erste Symptome von Pankreaskrebs sind ungewollter, schneller Gewichtsverlust, Appetitlosigkeit, dumpfe Schmerzen im Oberbauch, die bis in den Rücken ausstrahlen können, Verdauungsprobleme oder ein neu auftretender Diabetes. / © Getty Images/Natali_Mis
Das duktale Adenokarzinom des Pankreas (PDA) zählt zu den tödlichsten bösartigen Tumoren. Seine schlechte Prognose beruht auch darauf, dass das vorherrschende klinische Paradigma der symptomgesteuerten Erkennung dazu führt, dass mehr als 85 Prozent der Fälle erst in einem inoperablen Stadium diagnostiziert werden, in dem pharmakologische Maßnahmen ausschließlich nur noch palliativ greifen. Folglich würde eine Früherkennung des sporadischen Pankreaskarzinoms am wirkungsvollsten die Gesamtüberlebensrate verbessern.
Genau hier setzt eine neue Studie von Forschenden um Dr. Sovanlal Mukherjee vom Department of Radiology an der Mayo Clinic in Rochester, USA, an, die jetzt im Fachjournal »Gut« erschienen ist. Die Wissenschaftler entwickelten ein KI-System namens »REDMOD« (Radiomics-based Early Detection Model), mit dessen Hilfe subvisuelle Gewebemuster, sogenannte Radiomics, in Standard-CT-Aufnahmen erkannt werden, lange bevor sich ein mit den Augen sichtbarer Tumor formiert.
In einer unabhängigen Testkohorte von 493 Patienten identifizierte das Modell prädiagnostische Fälle mit einer Sensitivität von 73 Prozent bei einer Fläche unter der ROC-Kurve (AUC) von 0,82, und das im Median 475 Tage vor der klinischen Diagnose.
Als Radiomics bezeichnet man die quantitative, computergestützte Extraktion einer Vielzahl mathematisch definierter Bildmerkmale aus medizinischen Scans. Dabei wird die Bauchspeicheldrüse nicht als homogenes Organ betrachtet, sondern als dreidimensionales Texturfeld, dessen Grauwertverteilungen, Intensitätsgradienten und lokale Strukturmuster sich statistisch beschreiben lassen. Das menschliche Auge ist nicht in der Lage, diese winzigen, diffusen Veränderungen wahrzunehmen, weshalb auch erfahrene Radiologen prädiagnostische Computertomografien (CT) routinemäßig als unauffällig einordnen.
Das KI-System REDMOD verarbeitet zunächst 968 solcher Merkmale pro Pankreasvolumen. Ein Algorithmus (Minimum Redundancy Maximum Relevance, mRMR) destilliert daraus dann ein Set von 40 besonders aussagekräftigen Biomarkern. Dass gerade diese Merkmale entscheidend sind, zeigt ein direkter Vergleich: Modelle, die ausschließlich auf ungefilterten Originalcharakteristika basierten, erreichten nur eine AUC von 0,74, während die gefilterten Merkmale allein bereits eine AUC von 0,82 erzielten. Zur Einordnung: ein AUC von 1,00 entspricht einem perfekten Ergebnis.
