Ein einheitlicher Rahmen für Vor‑Screening- und Screening‑Instrumente in onkologischen klinischen Studien

Warum es wichtig ist, die passende Krebsstudie zu finden

Klinische Krebsstudien sind der Ort, an dem die Therapien von morgen heute erprobt werden, doch nur ein kleiner Bruchteil der potenziell Berechtigten gelangt überhaupt in diese Studien. Dieser Artikel erläutert, warum die Zuordnung von Patienten zu passenden Studien so schwierig ist und wie neue digitale Werkzeuge – insbesondere solche mit künstlicher Intelligenz – das verändern könnten. Für die Leserschaft bietet er einen Einblick darin, wie Daten, Computer und menschliche Expertise zusammenarbeiten könnten, um den Zugang zu vielversprechenden Therapien zu beschleunigen und die Forschung gerechter und inklusiver zu gestalten.

Die wachsende Herausforderung der Patientenrekrutierung

Moderne Krebsforschung ist auf klinische Studien angewiesen, doch die Rekrutierung ist zu einem ernsten Engpass geworden. Ein großer Teil der onkologischen Studien scheitert daran, genügend Teilnehmer zu gewinnen, und die typische Rekrutierungsdauer wird länger. Studien basieren zunehmend auf komplexen Einschlusskriterien, detaillierten Laboruntersuchungen und immer häufiger auf molekularen „Fingerabdrücken“ jedes Tumors. Gleichzeitig sind Patienteninformationen über verschiedene Krankenhäuser, IT‑Systeme und Freitext‑Notizen verstreut. Folglich werden viele Patienten, die von einer Studie profitieren könnten, nicht rechtzeitig identifiziert, und nur etwa 3–5 Prozent der potenziell Berechtigten mit Krebs nehmen letztlich an einer Studie teil.

Verschiedene Wege, Patienten und Studien zu verbinden

Die heutigen Bemühungen zur Studienzuordnung lassen sich in drei große Gruppen einteilen. Patientenorientierte Ansätze nutzen Aufklärungskampagnen, soziale Medien, Selbsthilfegruppen und Online‑Fragebögen, damit Einzelne selbst nach Studien suchen. Diese können Bewusstsein und Engagement steigern, bergen aber das Risiko von Fehlinformationen und erreichen möglicherweise Menschen mit eingeschränktem Internetzugang nicht. Systemorientierte Werkzeuge sind in Krankenhäuser und Kliniken integriert und verwenden elektronische Patientenakten, Tumorboards und Plattformen für genomische Tests, um Onkologen im Rahmen der Routineversorgung Studien vorzuschlagen. Hybride Strategien versuchen, beides zu verbinden: das Bewusstsein der Patienten zu erhöhen und gleichzeitig die Kliniker mit besseren internen Werkzeugen auszustatten, damit Chancen auf keiner Seite verloren gehen.

Wer ausgeschlossen wird und warum das zählt

Ein zentrales Problem ist, dass Studienteilnehmer nicht die gesamte Bevölkerung von Menschen mit Krebs widerspiegeln. Ländliche Patienten, Menschen aus einkommensschwächeren Verhältnissen, ältere Erwachsene und viele Minderheitengruppen sind unterrepräsentiert. Entfernung zu großen Zentren, finanzielle Belastungen, begrenztes Bewusstsein und strenge Einschlusskriterien, die Personen mit Begleiterkrankungen ausschließen, spielen alle eine Rolle. Aufsichtsbehörden wie die US Food and Drug Administration drängen Sponsoren, von Anfang an Diversität einzuplanen, etwa durch flexiblere, teilweise ferngesteuerte Studiendesigns und eine bessere Standortauswahl. Der Artikel betont, dass jede neue Matching‑Technologie diese Lücken aktiv verringern und nicht vertiefen muss.

Vom manuellen Review zur intelligenten Automatisierung

Traditionell beruhte die Studienzuordnung auf Ärzten und Studienpersonal, die Akten manuell lesen, Patienten interviewen und Informationen in Tabellen eintragen. Das erlaubt fachliche Beurteilung, ist aber langsam, inkonsistent und schwer skalierbar. Neuere elektronische Methoden nutzen Patientenakten, Register und automatische Warnmeldungen, um mögliche Matches zu kennzeichnen. Werkzeuge mit künstlicher Intelligenz gehen weiter, indem sie enorme Mengen klinischer Notizen, Laborergebnisse und genomischer Berichte durchsuchen, um passende Studien vorzuschlagen. Große Sprachmodelle – die gleiche Systemfamilie, die fortgeschrittene Chatbots antreibt – können unstrukturierte Texte in strukturierte Daten verwandeln und helfen, komplexe Einschlusskriterien zu durchforsten. Die Übersicht vergleicht den „Zero‑Shot“-Einsatz generischer Modelle mit spezialisierteren Ansätzen, die zuverlässige medizinische Informationen abrufen, sorgfältig ausgewählte Beispiele verwenden und auf krebspezifischen Dokumenten feinabgestimmt sind.

Wie smarte Werkzeuge und Kliniker zusammenarbeiten können

Die Autorinnen und Autoren argumentieren, dass hybride Lösungen am vielversprechendsten sind: Computer übernehmen die schwere Arbeit des Lesens großer Datenmengen, aber die Kliniker treffen weiterhin die endgültigen Entscheidungen. In dieser Vision scannen KI‑Systeme kontinuierlich Akten, interpretieren Laborverläufe und Biomarker und schlagen wahrscheinliche Studienmatches vor, wobei sie deutlich angeben, warum ein Patient ein‑ oder ausgeschlossen wurde. Menschliche Expertinnen und Experten prüfen diese Vorschläge, bestätigen sie oder ändern sie, um Sicherheit und Fairness zu gewährleisten. Der Artikel betont die Notwendigkeit hochwertiger Daten, des Schutzes der Patientenprivatsphäre, klarer Erklärungen statt „Black‑Box“-Antworten und Leistungskennzahlen, die nicht nur Genauigkeit und Geschwindigkeit, sondern auch Diversität und Kosten erfassen.

Was das für die Zukunft der Krebsversorgung bedeutet

Abschließend sehen die Autorinnen und Autoren bessere Vor‑Screening‑ und Screening‑Instrumente als entscheidend, um die Krebsforschung zu beschleunigen und den Zugang zu innovativen Therapien zu erweitern. Sie stellen sich Systeme zur Studienzuordnung vor, die zwischen biologischem und kalendarischem Alter unterscheiden, subtile Marker für Fitness und Nebenwirkungsrisiken einbeziehen und sich ändernde Laborwerte im Zeitverlauf erneut prüfen. Wenn sie sorgfältig entworfen und validiert werden, könnten KI‑gestützte, menschlich überwachte Rahmenwerke es erleichtern, dass die richtigen Patienten zur richtigen Zeit die passenden Studien finden – mit weniger verschwendetem Aufwand, mehr Fairness und einer schnelleren Einführung wirksamer Krebstherapien in die klinische Praxis.

Zitation: Horgan, D., Paulson, J.N., Loaiza-Bonilla, A. et al. A unified framework for pre-screening and screening tools in oncology clinical trials. npj Precis. Onc. 10, 143 (2026). https://doi.org/10.1038/s41698-026-01306-3

Schlüsselwörter: klinische Krebsstudien, Studienzuordnung, künstliche Intelligenz, präzisionsonkologie, Patientenrekrutierung