Eine internationale multizentrische Studie zur Entwicklung und Validierung prognostischer Modelle auf Basis von föderiertem Lernen für Analkrebs

Warum das für Menschen mit seltenen Krebsarten wichtig ist

Während die Krebsbehandlung immer stärker an die individuelle Person angepasst wird, stehen Ärztinnen und Ärzte vor einem neuen Problem: Viele Krebsarten werden mittlerweile so fein in Subtypen unterteilt, dass jede Gruppe klein ist und über die ganze Welt verstreut liegt. Das erschwert es, zu erkennen, welche Therapien am besten wirken — insbesondere bei seltenen Tumoren wie Analkrebs. Diese Studie zeigt, wie Kliniken in verschiedenen Ländern sicher zusammenarbeiten können, ohne rohe Patientendaten auszutauschen, um besser vorherzusagen, wie Patientinnen und Patienten abschneiden, und um personalisiertere Behandlungsentscheidungen zu unterstützen.

Viele Kliniken zusammenbringen, ohne Daten zu teilen

Die Forschenden gründeten das internationale atomCAT-Konsortium und vernetzten 16 Krebszentren in Europa und Australien. Anstatt Patientendaten in eine zentrale Datenbank zu schicken, verblieben die Informationen an jedem Standort vor Ort. Ein spezielles Verfahren namens „föderiertes Lernen“ ermöglichte es, Modelle über alle Standorte hinweg zu trainieren: Es wurden nur anonyme mathematische Zusammenfassungen der Daten ausgetauscht, niemals einzelne Datensätze. Das schützte die Privatsphäre der Patientinnen und Patienten, nutzte aber dennoch die Stärke einer großen, kombinierten Patientengruppe mit Analkrebs.

Wer untersucht wurde und welche Endpunkte verfolgt wurden

Das Team analysierte Daten von 1.428 Personen mit Analkrebs, die mit moderner Strahlentherapie und meist zusätzlich mit Chemotherapie an 14 Zentren behandelt wurden, und prüfte die Ergebnisse anschließend in 277 weiteren Patientinnen und Patienten aus zwei weiteren Zentren. Die meisten Patientinnen und Patienten waren Anfang Sechzig, und etwa sieben von zehn waren Frauen. Fast alle erhielten moderne Formen der Strahlentherapie, und die große Mehrheit bekam zusätzlich eine Chemotherapie mit Wirkstoffen wie Mitomycin oder Cisplatin. Die Studie konzentrierte sich auf drei zentrale Endpunkte, die für Patientinnen und Patienten und Behandelnde wichtig sind: das Gesamtüberleben (wie viele Menschen nach der Behandlung noch leben), die Kontrolle des Tumors im Beckenbereich und der Schutz vor Fernmetastasen.

Welche Faktoren die Chancen der Patientinnen und Patienten beeinflussten

Mithilfe der föderierten Modelle identifizierten die Forschenden eine Reihe von Merkmalen, die konsistent die Ergebnisse beeinflussten. Personen mit kleineren, weniger weit fortgeschrittenen Tumoren ohne Befall der regionalen Lymphknoten hatten tendenziell länger ein verbessertes Überleben und bessere lokale Tumorkontrolle. Frauen wiesen generell bessere Überlebensraten und eine bessere Becken-Kontrolle als Männer auf, und jüngere Patientinnen und Patienten schnitten besser ab als ältere. Eine kombinierte Chemotherapie mit zwei Wirkstoffen (Mitomycin oder Cisplatin zusammen mit Fluorouracil oder Capecitabin) war mit einem besseren Gesamtüberleben verbunden im Vergleich zur alleinigen Strahlentherapie. Die Größe des Primärtumors erwies sich als besonders wichtiger Prädiktor für alle drei Endpunkte und unterstreicht den Wert guter Bildgebung und detaillierter Tumormessungen in der Routineversorgung.

Wie gut funktionierten die datenschutzwahrenden Modelle?

Die prognostischen Modelle zeigten eine moderate, aber klinisch nützliche Fähigkeit, zwischen höher- und niedrigrisiko-Patientinnen und -Patienten zu unterscheiden. Als die Personen nach vorhergesanktem Risiko gruppiert wurden, waren die Unterschiede in den tatsächlichen Ergebnissen deutlich: Zum Beispiel lag drei Jahre nach der Behandlung das durchschnittliche Gesamtüberleben in der Niedrigrisiko-Gruppe bei etwa 90 % gegenüber etwa 73 % in der Hochrisiko-Gruppe. Die Modelle lieferten ähnliche Ergebnisse, wenn jeweils ein Zentrum weggelassen wurde (Leave-one-centre-out) und bei der Validierung in den zwei externen Kliniken, was darauf hindeutet, dass das Verfahren nicht auf einen einzelnen Standort überangepasst war. Wurden die Modelle nur mit Daten eines einzelnen Zentrums erstellt, sank die Vorhersagegenauigkeit deutlich, was den Nutzen der Einbeziehung vieler Kliniken — selbst wenn deren Daten nicht zusammengeführt werden können — unterstreicht.

Was das für die zukünftige Krebsversorgung bedeutet

Für Menschen mit Analkrebs und anderen seltenen oder stark unterteilten Tumoren zeigt diese Arbeit, dass man aus großen, internationalen Patientengruppen lernen kann, ohne die Privatsphäre zu gefährden. Die Studie belegt, dass föderiertes Lernen bekannte Risikofaktoren zuverlässig reproduzieren und bestätigen kann, besser aufzeigen kann, welche Patientinnen und Patienten eher Rückfälle oder Fernmetastasen entwickeln, und zwar anhand von Daten, die im Alltag der Versorgung erhoben wurden. Langfristig könnten solche Modelle Ärztinnen und Ärzten helfen, die Prognose für einzelne Patientinnen und Patienten genauer zu besprechen, die Therapieintensität gezielt zu erhöhen oder zu reduzieren und intelligentere klinische Studien zu konzipieren, die sich auf die am stärksten gefährdeten Personen konzentrieren — und das alles, während sensible Gesundheitsdaten sicher innerhalb der jeweiligen Krankenhäuser verbleiben.

Zitation: Theophanous, S., Lønne, PI., Choudhury, A. et al. An international multi-centre study to develop and validate federated learning-based prognostic models for anal cancer. Nat Commun 17, 3956 (2026). https://doi.org/10.1038/s41467-026-70297-3

Schlüsselwörter: Analkrebs, föderiertes Lernen, prognostische Modelle, Real-World-Daten, Precision Oncology