// SCINEXX — SPAZIO & SCIENZA
KI kann Krebsrisiken anhand gewöhnlicher Gesundheitsdaten abschätzen
Blutwerte und Krankengeschichten können Jahre vor einer Krebsdiagnose Hinweise auf ein erhöhtes Erkrankungsrisiko liefern. In einer großen rückblickenden Analyse unterschieden KI-Modelle spätere Krebsfälle von Menschen ohne entsprechende Diagnose, teils über einen langen Zeitraum. Der Ansatz könnte die Auswahl für gezielte Vorsorgeuntersuchungen verbessern, muss seinen praktischen Nutzen aber erst unter Beweis stellen.
Dresden (Deutschland). Krebs früh zu erkennen, kann die Behandlungschancen verbessern. Doch nicht für jede Tumorart gibt es ein geeignetes Vorsorgeprogramm für Menschen ohne Beschwerden. Außerdem richten sich viele Untersuchungen bisher vor allem nach Alter oder einzelnen bekannten Risikofaktoren, statt die gesamte verfügbare Krankengeschichte einzubeziehen.
Eine Möglichkeit wären Computerverfahren, die auffällige Muster in gewöhnlichen Patientendaten erkennen. Solche Modelle sollen keine Krebsdiagnose stellen, sondern diejenigen Menschen identifizieren, bei denen eine gezielte Untersuchung besonders sinnvoll sein könnte.
Forscher der Technischen Universität Dresden (TUD) um Dr. Paul-Henry Koop haben nun einen solchen Ansatz für verschiedene Krebsarten untersucht. Die Ergebnisse wurden am 26. Oktober 2026 beim ESMO Congress 2026 vorgestellt. Sie liegen damit bislang als vorläufige Konferenzbefunde vor, nicht als hier überprüfbare vollständige Fachpublikation.
Für die Analyse entwickelte das Team rund 500 Modelle des maschinellen Lernens, die das Risiko für 20 häufige Krebsarten abschätzen sollten. Grundlage waren Daten von 463.620 Teilnehmern der britischen UK Biobank. Während der ungefähr 18-jährigen Beobachtungszeit erhielten 57.055 von ihnen eine Krebsdiagnose.
Die Programme berücksichtigten unter anderem frühere Erkrankungen, Lebensstilfaktoren und gewöhnliche Laborwerte. Hinzu kamen Informationen über Erbgut und Stoffwechselprodukte. Die Forscher prüften die Vorhersagen außerdem mit Daten aus Schottland und Wales, von 42.036 Personen des US-Forschungsprogramms All of Us sowie aus einer japanischen Datenbank mit mehr als drei Millionen Menschen.
Um das Ergebnis nicht durch bereits vorhandene, aber unerkannte Tumoren zu verzerren, wurden Fälle aus dem ersten Jahr bei den betreffenden Modellanalysen ausgeschlossen. Dennoch beruhte die Auswertung auf bereits erhobenen Daten, nicht auf einem Einsatz der Modelle in einem laufenden Vorsorgeprogramm.
Für eine zusammengefasste Gruppe von Krebsarten, deren Risiko sich aus Routinedaten abschätzen ließ, erreichten die Modelle über 15 Jahre einen AUROC-Wert von 0,83. Diese Kennzahl beschreibt, wie gut ein Verfahren Personen mit und ohne spätere Erkrankung unterscheidet. Ein Wert von 0,5 wäre nicht besser als Zufall, ein Wert von 1,0 entspräche perfekter Trennung.
Die Modelle übertrafen bei diesem Vergleich herkömmliche statistische Verfahren. Besonders aussagekräftig waren die Risikomuster für Lungen-, Speiseröhren- und Leberkrebs. Bei Eierstock-, Brust- und Gebärmutterhalskrebs fielen die Ergebnisse hingegen begrenzter aus. Die Zahl 0,83 bedeutet daher weder, dass 83 Prozent aller Krebsfälle richtig erkannt werden, noch gilt sie für jede der 20 Krebsarten.
Den größten Anteil an der Risikoeinschätzung hatten medizinische Vorgeschichte und Routinelaborwerte. Blutuntersuchungen lieferten sogar für Tumoren, die erst mehr als fünf Jahre später diagnostiziert wurden, zusätzliche Hinweise. Genetische Daten und Messungen von Stoffwechselprodukten verbesserten die Ergebnisse dagegen nur geringfügig.