KI-Modell der Mayo Clinic erkennt Risiko für Bauchspeicheldrüsenkrebs
Forscher der Mayo Clinic haben ein KI-Modell entwickelt, das Pankreaskrebs Jahre vor der Diagnose vorhersagen kann.
Forscher der Mayo Clinic haben ein KI-Modell entwickelt, das das individuelle Risiko einer Pankreaskrebs-Erkrankung Jahre vor der eigentlichen Diagnose vorhersagen kann. Die Ergebnisse der Studie werden auf dem Clinical Congress 2026 des American College of Surgeons (ACS) vorgestellt, der vom 26. bis 29. September in Washington stattfindet. Bei dieser jährlichen Veranstaltung treffen sich Tausende von Chirurgen, um die Qualität chirurgischer Eingriffe, die Patientensicherheit und den Zugang zur Gesundheitsversorgung zu verbessern.
Pankreaskrebs ist zwar selten, aber hochgradig tödlich. Er macht etwa drei Prozent aller neuen Krebsfälle aus, führt jedoch zu acht Prozent aller krebsbedingten Todesfälle. Daten der American Cancer Society zeigen, dass es im Jahr 2026 bislang rund 67.000 neue Diagnosen und 52.000 Todesfälle gab.
„Pankreaskrebs ist heilbar, aber nur, wenn wir ihn frühzeitig erkennen. Weniger als jeder fünfte Patient wird rechtzeitig diagnostiziert", sagte Cornelius Thiels, DO, MBA, FACS, chirurgischer Onkologe an der Mayo Clinic und Co-Autor der Studie. „Infolgedessen beträgt die Überlebenszeit für viele Patienten immer noch Monate, nicht Jahre."
Die Details
Dr. Thiels erklärte, sein Team habe das KI-Modell entwickelt, um Patienten mit dem höchsten Risiko für die Entwicklung von Pankreaskrebs zu identifizieren. Eine universelle Screening-Untersuchung sei für Pankreaskrebs nämlich „nicht praktikabel". „Wir wissen, dass sich Pankreaskrebs über fünf bis sieben Jahre hinweg entwickelt, aber die Dinge, die ein Kliniker oder Patient bemerkt, treten erst ein, wenn es zu spät ist", so der Chirurg.
Die Forscher bauten das Modell auf Basis der elektronischen Krankenakten der Mayo Clinic und routinemäßiger Labortestergebnisse auf. Analysiert wurden Daten von 6.066 Pankreaskrebspatienten und 33.396 Kontrollpersonen, die jeweils bis zu 19 Jahre medizinische Vorgeschichte vorweisen konnten, um frühe Risikohinweise zu erkennen.
Um die Fähigkeit des Modells zu bewerten, Pankreaskrebs drei Jahre vor der Diagnose vorherzusagen, maßen die Forscher dessen Genauigkeit. Es erreichte einen AUROC-Wert von 0,853 (wobei 1,0 perfekte Genauigkeit bedeutet) und einen AUPRC-Wert von 0,712, was eine starke prädiktive Leistung mit wenigen falsch-positiven Ergebnissen demonstriert. Das Modell zeigte zudem eine starke Kalibrierung mit einer Kalibrierungssteigung von 1,08 – das vorhergesagte Risiko stimmte also eng mit den tatsächlichen Ereignissen bei den Patienten überein.
„Unser Modell hat gezeigt, dass ein durch unser Modell vorhergesagtes Pankreaskrebsrisiko von mehr als 50 Prozent eine Wahrscheinlichkeit von 88 Prozent bedeutete, innerhalb eines Jahres mit Pankreaskrebs diagnostiziert zu werden", erläuterte Dr. Varghese, chirurgischer Datenwissenschaftler an der Mayo Clinic in Rochester. „Wir haben dieses Modell so gestaltet, dass es so generalisierbar, skalierbar und einfach in der Praxis anwendbar wie möglich ist", fügte er hinzu.
Die Dateneingaben, auf die das Modell angewiesen ist, würden fast überall in Krankenhaussystemen weltweit erfasst, sagte Dr. Varghese. „Wenn sich zeigt, dass es funktioniert, könnte es in fast jedem Umfeld eingesetzt werden."
Hintergrund: Was bisher geschah
Bereits am 13.04.2026 berichtete aktien.news, dass Revolution Medicines mit seinem Krebsmedikament Daraxonrasib einen bemerkenswerten Erfolg in einer Phase-3-Studie erzielte. Die täglich einzunehmende Tablette erreichte alle primären und sekundären Endpunkte bei Patienten, deren Bauchspeicheldrüsenkrebs bereits unter einer anderen Behandlung fortgeschritten war, und senkte das Sterberisiko im Vergleich zur Chemotherapie um 60 Prozent.
Am 12.02.2026 meldete aktien.news die FDA-Zulassung des Optune-Pax-Geräts von Novocure (NASDAQ:NVCR) zur Behandlung von lokal fortgeschrittenem Bauchspeicheldrüsenkrebs. Die Aktie des Medizintechnik-Unternehmens sprang damals um mehr als 30 Prozent.
Am 04.08.2026 berichtete aktien.news über Autonomix Medical, deren Aktie nach der Bekanntgabe des US-Patents Nr. 12.433.670 um 56,4 Prozent zulegte. Das Patent stärkt die Position des Unternehmens als Plattform für Präzisions-Neuromodulation.
Und bereits am 20.01.2026 berichtete aktien.news über die Partnerschaft von Bristol Myers Squibb und Microsoft zur KI-gestützten Früherkennung von Lungenkrebs. Die Kooperation nutzt das Precision Imaging Network von Microsoft und setzt auf FDA-zugelassene radiologische KI-Algorithmen.
Was das für Anleger bedeutet
Lu Zhang, Gründerin und Managing Partner der Fusion Fund, beobachtet KI-gestützte Diagnostik genau. Auf dem Web Summit Vancouver im vergangenen Jahr wies sie auf Fortschritte in der digitalen Diagnostik bei Erkrankungen wie Krebs, Herzkrankheiten und psychischen Leiden hin. Das Gesundheitswesen trete in seine „Blütezeit der Innovation", sagte sie. Das Kernziel bestehe darin, „die Lebensqualität zu verbessern, die Zukunft der Gesundheitsversorgung wirklich personalisiert zu gestalten … und gleichzeitig in der Lage zu sein, ultrafrühe Diagnostik durchzuführen und die Belastung des Gesundheitssystems langfristig zu reduzieren".
Zhang bemerkte zudem, dass derzeit weniger als fünf Prozent der Gesundheitsdaten genutzt werden. Das Modell der Mayo Clinic basiert auf elektronischen Krankenakten und routinemäßigen Labortestergebnissen. In einem kürzlich geführten Gespräch mit dem Investing News Network (INN) Anfang dieses Monats sagte Zhang, große KI-Labore zahlten hohe Preise für hochwertige Gesundheitsdaten und stellten Prominente (PhDs) und Domänenexperten ein, um diese zu kennzeichnen.
Für Zhang ist das Gesundheitswesen eines der klarsten Beispiele dafür, wo das Versprechen der KI und ihre Einschränkungen aufeinandertreffen. Sie kehrt wiederholt zu diesem Sektor zurück, da hochwertige, streng kontrollierte Daten hier einen echten Unterschied machen – und Entscheidungen bezüglich Governance und Implementierung nicht verhandelbar sind. Auf Infrastrukturebene betont sie, dass das Gesundheitswesen Teil des riesigen Segments der Wirtschaft ist, das nicht einfach alles in die öffentliche Cloud auslagern kann. Deshalb seien Architekturdesign und kleine, effiziente Modelle so wichtig: Unternehmenskunden im Gesundheitswesen wünschten oft On-Premise- oder Private-Network-Implementierungen, keine generische Cloud-KI.
Zhang hebt das Gesundheitswesen auch als führendes Beispiel für vertikale, datengetriebene KI hervor, die schnell voranschreitet, gerade weil die Daten spezialisiert und kuratiert sind. „Sie sind in der Lage, direkt hochwertige Daten zu nutzen, nicht eine enorme Menge an Daten, sondern hochspezialisierte Gesundheitsdaten, um ihr Modell fein abzustimmen." Sie verweist auf AlphaFold von Google (NASDAQ:GOOGL) als Referenzpunkt, sagt jedoch, dass die Dynamik breiter ist. Große KI-Labore konkurrieren aktiv darum, erstklassige medizinische Datensätze und Expertenfeedback zu sichern.
Ausblick
Laut Dr. Thiels wird das Modell derzeit zu Forschungszwecken eingesetzt. „Wir beweisen, dass wir dieses Werkzeug von einem retrospektiven Forschungsinstrument in unsere klinische Umgebung bewegen und es prospektiv zur Validierung laufen lassen können", erklärte er. Maßnahmen zur weiteren Validierung des Modells laufen in diesem Jahr sowohl prospektiv innerhalb der Mayo Clinic als auch bei einem externen Gesundheitssystem. „Wir arbeiten außerdem daran, fortgeschrittenere Architekturen des maschinellen Lernens zu entwickeln, die die Leistung noch weiter verbessern", fügte er hinzu.
Anfang dieses Jahres beschrieb eine in der Fachzeitschrift Gut erschienene Studie ein von der Mayo Clinic entwickeltes KI-Modell namens REDMOD. Es wertete normale CT-Scans von Personen, die später diagnostiziert wurden, auf frühe Anzeichen von Pankreaskrebs hin aus. Die KI entdeckte die meisten dieser versteckten Krebsarten, oft mehr als ein Jahr vor der Diagnose, etwa doppelt so häufig wie Spezialisten, die dieselben Scans betrachteten. Bei Scans, die mehr als zwei Jahre vor der Diagnose erstellt wurden, war diese Lücke noch größer. Eine Follow-up-Studie namens AI-PACED wird das Tool in der realen Versorgung für Hochrisikopatienten testen. Dabei werden auch falsche Alarme verfolgt sowie die Frage untersucht, ob eine frühere Entdeckung des Krebses die Behandlungsergebnisse verbessert.
„Die größte Hürde beim Retten von Leben durch Pankreaskrebs war unsere Unfähigkeit, die Krankheit zu sehen, solange sie noch heilbar ist", sagte der leitende Autor der Studie, Dr. Ajit Goenka.
Kurz erklärt
- AUROC: Kennzahl, die angibt, wie gut ein Modell zwischen zwei Gruppen unterscheidet, wobei ein höherer Wert eine bessere Trennschärfe bedeutet.
- AUPRC: Kennzahl, die die Vorhersagequalität bei seltenen Ereignissen bewertet und dabei das Verhältnis von Treffern zu Fehlalarmen berücksichtigt.
- Elektronische Krankenakte: Digitale Sammlung von Patientendaten wie Diagnosen, Behandlungen und Laborwerten.
- On-Premise: Betrieb von Software auf eigener Hardware im eigenen Rechenzentrum statt in einer externen Cloud.