Lungenkrebs-Immuntherapie: KI-Modell CIPHER erkennt Pneumonitisrisiko früher
Veröffentlicht am: 25.09.2026 um 10:00 Uhr | Redaktion boerse-global.de
In der modernen Onkologie stellt die Immuntherapie einen bedeutenden Fortschritt bei der Behandlung von Lungenkrebs dar. Dennoch bleibt das Risiko schwerer Nebenwirkungen eine klinische Herausforderung.
Ein zentrales Problem ist die Pneumonitis, eine entzündliche Lungenerkrankung, die als Komplikation auftreten kann. Forschungsergebnisse des University of Texas MD Anderson Cancer Center zeigen nun Ansätze auf, wie dieses Risiko bereits vor Beginn der Behandlung präziser eingeschätzt werden kann.
Die Herausforderung der therapieinduzierten Pneumonitis
Die Immuntherapie hat die Prognose für viele Patienten mit Lungenkrebs verbessert, ist jedoch mit spezifischen Risiken verbunden. Laut Daten des MD Anderson Cancer Center tritt bei etwa 10 % der Betroffenen unter einer solchen Therapie eine Pneumonitis auf.
Diese Entzündung des Lungengewebes kann den Behandlungsverlauf erheblich beeinträchtigen und erfordert eine frühzeitige Identifikation von Risikopatienten, um präventive Maßnahmen zu ergreifen oder Behandlungspläne anzupassen. Bisherige klinische Modelle und radiologische Verfahren stießen bei der Vorhersage dieser Komplikation oft an ihre Grenzen.
Entwicklung und technischer Hintergrund von CIPHER
Forschende des MD Anderson Cancer Center entwickelten vor diesem Hintergrund das KI-Modell CIPHER. Ziel des Systems ist es, das Pneumonitisrisiko ausschließlich auf Basis von Routine-CT-Aufnahmen vorherzusagen, die bereits vor dem Start der Immuntherapie erstellt wurden.
Wie aus Berichten vom 24. September 2026 hervorgeht, basierte das Training des Modells auf einer umfangreichen Datenmenge. Insgesamt flossen mehr als 590.000 CT-Bildschnitte von 2.500 Lungenkrebspatienten in die Entwicklung ein. Durch diese breite Datenbasis wurde das Modell darauf trainiert, subtile Muster in den Bilddaten zu erkennen, die auf eine erhöhte Anfälligkeit für entzündliche Prozesse hindeuten könnten.
Bei rund 10 % der Lungenkrebspatienten unter Immuntherapie tritt eine Pneumonitis auf — bisherige klinische Modelle und Radiomics erkennen dieses Risiko oft zu spät. Ein neuer KI-Ansatz wertet Routine-CTs vor Therapiebeginn aus und erreicht in zwei Kohorten einen AUC-Wert von etwa 0,83. Wie Sie solche Bilddaten in Ihren Klinikalltag einordnen, zeigt der kostenlose Praxisleitfaden. Praxisleitfaden KI-Risikostratifizierung jetzt anfordern
Validierung und Performance im Vergleich
Die Leistungsfähigkeit von CIPHER wurde in verschiedenen Szenarien überprüft. Das Modell wurde an einer Gruppe von 347 Patienten mit nicht-kleinzelligem Lungenkarzinom (NSCLC) getestet und zudem einer unabhängigen externen Validierung unterzogen.
Die Analyse der Ergebnisse, die in Berichten vom 24. und 25. September 2026 thematisiert wurde, unterstreicht die Genauigkeit des Systems:
- In beiden untersuchten Patientenkohorten erreichte das Modell einen AUC-Wert (Area Under the Curve) von etwa 0,83.
- Damit übertraf CIPHER die Leistung herkömmlicher klinischer Risikofaktormodelle deutlich.
- Auch im Vergleich zu klassischen Radiomics-Ansätzen schnitt das KI-gestützte Modell besser ab.
Diese Werte deuten darauf hin, dass die automatisierte Analyse von Routine-Bilddaten eine höhere Vorhersagekraft besitzt als die Kombination herkömmlicher klinischer Parameter.
Perspektiven für die klinische Anwendung
Obwohl die bisherigen Ergebnisse eine hohe Zuverlässigkeit des Modells belegen, weisen die beteiligten Experten darauf hin, dass CIPHER noch nicht unmittelbar in den klinischen Alltag integriert werden kann. Bevor ein flächendeckender Einsatz möglich ist, sind weitere prospektive Studien erforderlich.
Viele Kliniken stehen vor der Frage, wie sich ein vielversprechendes KI-Modell in bestehende CT-Workflows und Tumorkonferenzen integrieren lässt — ohne die ärztliche Entscheidung auszulagern. Der kostenlose Leitfaden zeigt in drei Schritten, welche Daten, Schnittstellen und Validierungsschritte Sie vor einem Einsatz klären sollten. In 3 Schritten zur KI-Integration im Klinikalltag
Diese Folgestudien müssen an größeren und vor allem vielfältigeren Patientengruppen durchgeführt werden, um die Allgemeingültigkeit der Vorhersagen sicherzustellen. Die aktuelle Forschung des MD Anderson Cancer Center markiert jedoch einen wichtigen Schritt hin zu einer personalisierten Immuntherapie, bei der potenzielle Nebenwirkungen wie die Pneumonitis bereits im Vorfeld der Behandlung individuell kalkulierbar werden könnten.
