Data complexity in oncology

Die Onkologie
Péter Metzger1, Linda Gräßel2, Anna Lena Illert2, Melanie Boerries3
1Institut für Medizinische Bioinformatik und Systemmedizin (IBSM), Universitätsklinikum Freiburg, Medizinische Fakultät, Universität Freiburg, Breisacher Straße 153, 79110, Freiburg, Deutschland
2Klinik für Innere Medizin I, Abteilung für Hämatologie, Onkologie und Stammzelltransplantation, Universitätsklinikum Freiburg, Freiburg, Deutschland
3Deutsches Konsortium für Translationale Krebsforschung (DKTK), Standort Freiburg, eine Kooperation zwischen DKFZ und Universitätsklinikum Freiburg – Universität Freiburg, Freiburg, Deutschland

Tóm tắt

ZusammenfassungDie Nutzung künstlicher Intelligenz (KI) in der Onkologie verspricht eine kontinuierliche Verbesserung der Krebsbehandlung und der Krebsprävention. Neben der Verbesserung von Diagnostik und Therapieoptimierung trägt KI auch zur Effizienzsteigerung klinischer Prozesse bei. Die Automatisierung von Routineaufgaben und KI-gestützte Entscheidungsunterstützungssysteme erleichtern die Arbeit der Ärzt:innen, indem sie relevante Informationen in Echtzeit bereitstellen. Zudem zeigen KI-Algorithmen beeindruckende Fähigkeiten bei der präzisen Erkennung von Tumoren (z. B. durch die Analyse medizinischer Bilddaten sowie bei der Identifizierung genetischer Marker für personalisierte Therapieansätze). Voraussetzung dafür ist die Bereitstellung von standardisierten Datensätzen, was auch in der Onkologie eine Herausforderung darstellt. Die Komplexität der verschiedenen Datentypen, einschließlich medizinischer Bilder, genomischer Daten und klinischer Informationen, erfordert nicht nur fortgeschrittene Analysemethoden, sondern auch die Bereitstellung der Daten in einer standardisierten Form. Zudem müssen Datenschutz- und ethische Aspekte bei der Verwendung sensibler Patient:innendaten adressiert und berücksichtigt werden. Transparenz und Interpretierbarkeit von KI-Algorithmen sind hier entscheidend, um das Vertrauen in die Technologie zu stärken. Die Kombination von KI und Onkologie signalisiert einen Paradigmenwechsel hin zu einer präziseren, personalisierten und effizienteren Patient:innenversorgung bei gleichzeitiger Verbesserung der Lebensqualität. Während die positiven Auswirkungen auf die diagnostische Genauigkeit und die Therapieoptimierung vielversprechend sind, erfordert die Bewältigung der datenbezogenen Herausforderungen eine kontinuierliche Zusammenarbeit zwischen Wissenschaftler:innen, Informatiker:innen, Ärzt:innen und Patient:innen.

Từ khóa


Tài liệu tham khảo

Kann BH, Hosny A, Aerts HJWL (2021) Artificial intelligence for clinical oncology. Cancer Cell 39(7):916–927. https://doi.org/10.1016/j.ccell.2021.04.002

Chua IS, Gaziel-Yablowitz M, Korach ZT et al (2021) Artificial intelligence in oncology: path to implementation. Cancer Med 10(12):4138–4149. https://doi.org/10.1002/cam4.3935

Sunami K, Naito Y, Saigusa Y et al (2023) A learning program for treatment recommendations by molecular tumor boards and artificial intelligence. JAMA Oncol. https://doi.org/10.1001/jamaoncol.2023.512.0

Fischer CG, Pallavajjala A, Jiang L et al (2022) Artificial intelligence-assisted serial analysis of clinical cancer Genomics data identifies changing treatment recommendations and therapeutic targets. Clin Cancer Res 28(11):2361–2372. https://doi.org/10.1158/1078-0432.CCR-21-4061

Sidhom JW, Oliveira G, Ross-MacDonald P et al (2022) Deep learning reveals predictive sequence concepts within immune repertoires to immunotherapy. Sci Adv 8(37):eabq5089. https://doi.org/10.1126/sciadv.abq5089

Jiang P, Sinha S, Aldape K, Hannenhalli S, Sahinalp C, Ruppin E (2022) Big data in basic and translational cancer research. Nat Rev Cancer 22(11):625–639. https://doi.org/10.1038/s41568-022-00502-0

Gouda MA, Nelson BE, Buschhorn L, Wahida A, Subbiah V (2023) Tumor-agnostic precision medicine from the AACR GENIE database: clinical implications. Clin Cancer Res 29(15):2753–2760. https://doi.org/10.1158/1078-0432.CCR-23-0090

Hoefflin R, Lazarou A, Hess ME et al (2021) Transitioning the molecular tumor board from proof of concept to clinical routine: a German single-center analysis. Cancers 13(5):1151. https://doi.org/10.3390/cancers13051151

Horak P, Klink B, Heining C et al (2017) Precision oncology based on omics data: The NCT Heidelberg experience. Int J Cancer 141(5):877–886. https://doi.org/10.1002/ijc.30828

Renovanz M, Kurz SC, Rieger J et al (2023) Clinical outcome of biomarker-guided therapies in adult patients with tumors of the nervous system. Neurooncol Adv 5(1):vdad12. https://doi.org/10.1093/noajnl/vdad012

Scheiter A, Hierl F, Lüke F et al (2023) Critical evaluation of molecular tumour board outcomes following 2 years of clinical practice in a Comprehensive Cancer Centre. Br J Cancer 128(6):1134–1147. https://doi.org/10.1038/s41416-022-02120-x

O’Dwyer PJ, Gray RJ, Flaherty KT et al (2023) The NCI-MATCH trial: lessons for precision oncology. Nat Med 29(6):1349–1357. https://doi.org/10.1038/s41591-023-02379-4

Massard C, Michiels S, Ferté C et al (2017) High-throughput genomics and clinical outcome in hard-to-treat advanced cancers: results of the MOSCATO 01 trial. Cancer Discov 7(6):586–595. https://doi.org/10.1158/2159-8290.CD-16-1396

Wilkinson MD, Dumontier M, Aalbersberg IJ et al (2016) The FAIR Guiding Principles for scientific data management and stewardship [published correction appears in Sci Data. 2019 Mar 19;6(1):6. Sci Data 3:160018. https://doi.org/10.1038/sdata.2016.18

Uddannelses- og Forskningsministeriet Udbud: Foranalyse til udviklingen af FAIR forskningsdata i Danmark. https://ufm.dk/aktuelt/nyheder/2017/udbud-foranalyse-fair-forskningsdata-i-danmark. Zugegriffen: 1. Dez. 2023

Research and innovation. https://commission.europa.eu/research-and-innovation_en. Zugegriffen: 1. Dez. 2023

Bertier G, Carrot-Zhang J, Ragoussis V, Joly Y (2016) Integrating precision cancer medicine into healthcare-policy, practice, and research challenges. Genome Med 8(1):108. https://doi.org/10.1186/s13073-016-0362-4

Morrison M, Mourby M, Gowans H, Coy S, Kaye J (2020) Governance of research consortia: challenges of implementing Responsible Research and Innovation within Europe. Life Sci Soc Policy 16(1):13. https://doi.org/10.1186/s40504-020-00109-z

Gowda V, Kwaramba T, Hanemann C, Garcia JA, Barata PC (2021) Artificial intelligence in cancer care: legal and regulatory dimensions. Oncologist 26(10):807–810. https://doi.org/10.1002/onco.13862

Kondylakis H, Kalokyri V, Sfakianakis S et al (2023) Data infrastructures for AI in medical imaging: a report on the experiences of five EU projects. Eur Radiol Exp 7(1):20. https://doi.org/10.1186/s41747-023-00336-x

Vesteghem C, Brøndum RF, Sønderkær M et al (2020) Implementing the FAIR Data Principles in precision oncology: review of supporting initiatives. Brief Bioinform 21(3):936–945. https://doi.org/10.1093/bib/bbz044

Li H, Handsaker B, Wysoker A et al (2009) The sequence alignment/map format and SAMtools. Bioinformatics 25(16):2078–2079. https://doi.org/10.1093/bioinformatics/btp352

Danecek P, Auton A, Abecasis G et al (2011) The variant call format and VCFtools. Bioinformatics 27(15):2156–2158. https://doi.org/10.1093/bioinformatics/btr330

Stenzinger A, Edsjö A, Ploeger C et al (2022) Trailblazing precision medicine in Europe: a joint view by Genomic Medicine Sweden and the Centers for Personalized Medicine, ZPM, in Germany. Semin Cancer Biol 84:242–254. https://doi.org/10.1016/j.semcancer.2021.05.026

Illert AL, Stenzinger A, Bitzer M et al (2023) The German Network for Personalized Medicine to enhance patient care and translational research. Nat Med 29(6):1298–1301. https://doi.org/10.1038/s41591-023-02354-z

Büttner R, Wolf J, Kron A (2019) Nationales Netzwerk Genomische Medizin. Das nationale Netzwerk Genomische Medizin (nNGM): Modell für eine innovative Diagnostik und Therapie von Lungenkrebs im Spannungsfeld eines öffentlichen Versorgungsauftrages [The national Network Genomic Medicine (nNGM): Model for innovative diagnostics and therapy of lung cancer within a public healthcare system]. Pathologe 40(3):276–280. https://doi.org/10.1007/s00292-019-0605-4

BZKF | Bayerisches Zentrum für Krebsforschung https://bzkf.de/. Zugegriffen: 16. Nov. 2023

Die deutsche Genom-Initiative – genomDE. https://www.bundesgesundheitsministerium.de/themen/gesundheitswesen/personalisierte-medizin/genomde-de. Zugegriffen: 16. Nov. 2023

Die Nationale Dekade gegen Krebs Vernetzte Daten für bessere Therapieentscheidungen. https://www.dekade-gegen-krebs.de/de/wir-ueber-uns/aktuelles-aus-der-dekade/_documents/PM4Onco.html. Zugegriffen: 16. Nov. 2023

Thông tin
Thông tin xuất bản

Die Onkologie

Thông tin tác giả