Schnelles und nicht-invasives, KI-gestütztes Diagnoseverfahren für Plattenepithelkarzinom der Mundhöhle

Warum Atem und Speichel helfen können, Mundkrebs zu entdecken

Mundkrebs kann die Fähigkeit zu sprechen, zu essen und zu lächeln rauben und wird oft zu spät für die besten Therapien entdeckt. Diese Studie zeigt, dass einfache Atem- und Speichelproben, analysiert mit modernen Sensoren und künstlicher Intelligenz, Ärzten helfen könnten, diesen Krebs früher zu erkennen — ohne schmerzhafte Biopsien. Indem sie winzige Chemikalien in der Ausatemluft lesen und bestimmte Mundkeime verfolgen, entwickelten die Forschenden einen schnellen, nicht-invasiven Test, der die Früherkennung von Mundkrebs verändern könnte.

Gefahrenzeichen finden — ohne Skalpell

Heute wird ein Plattenepithelkarzinom der Mundhöhle in der Regel durch Entnahme eines kleinen Gewebestücks von einer verdächtigen Stelle und Untersuchung unter dem Mikroskop bestätigt. Dieser Ansatz ist präzise, aber invasiv, kann sehr kleine oder versteckte Tumoren übersehen und eignet sich nicht als Massen-Screening. Das Team dieser Studie suchte nach einer schonenderen Alternative. Sie konzentrierten sich auf zwei leicht zu gewinnende Proben: Ausatemluft, die Wolken winziger flüchtiger Stoffe aus dem Mund trägt, und Speichel, der reich an den dort lebenden Bakterien ist. Ihr Ziel war zu prüfen, ob ein Computer Muster in diesen Proben lernen kann, die zuverlässig Menschen mit Mundkrebs von gesunden Freiwilligen unterscheiden.

Die chemischen Fingerabdrücke im Atem lesen

Die Forschenden entwickelten zunächst ein sorgfältiges System zur Gewinnung und Analyse von Atemproben. Die Probanden fasteten, atmeten ruhig, um den Luftstrom zu stabilisieren, und bliesen dann in spezielle Beutel. Die Proben wurden in ein hochempfindliches Gerät geleitet, das flüchtige Moleküle wiegt und Hunderte verschiedener Verbindungen in einer einzigen Atemprobe unterscheiden kann. Mit dieser Methode detektierten sie mehr als 200 unterschiedliche flüchtige Substanzen und fanden klare Unterschiede zwischen der Ausatemluft von Patient:innen und gesunden Personen. Ein KI-Modell wurde auf diesen Mustern trainiert und durch viele Tests optimiert. Am Ende erwies sich eine Modellfamilie, bekannt als Gradient Boosting, als die beste und identifizierte die meisten Krebsfälle sowohl in der ursprünglichen Kohorte als auch in einer unabhängigen Gruppe neuer Patient:innen korrekt.

Was das Mundmikrobiom verrät

Der Speichel erzählte eine andere, aber verwandte Geschichte. Durch DNA-Sequenzierung des Speichels der Teilnehmenden kartierten die Wissenschaftler:innen, welche Bakterien vorhanden waren und in welchen Mengen. Sie beobachteten, dass gesunde Münder tendenziell reichere und ausgewogenere mikrobiologische Gemeinschaften aufwiesen, während Patient:innen mit Krebs häufig eine Verschiebung hin zu bestimmten Arten zeigten. Insbesondere das Mikroorganismus Fusobacterium nucleatum sowie einige seiner nahen Verwandten waren bei Menschen mit Krebs häufiger. Andere typische Mundbakterien wurden weniger häufig. Maschinelle Lernmodelle, die einzig auf dem Speichelmikrobiom beruhten, konnten Krebs ebenfalls mit hoher Genauigkeit von Gesundheit unterscheiden — selbst über verschiedene Tumorstadien und Behandlungsgeschichten hinweg — was darauf hindeutet, dass mikrobielle Verschiebungen ein stabiles Krankheitszeichen sind.

Ein stinkendes Gas mit einem bestimmten Keim verbinden

Um zu verstehen, warum Atem und Speichel zusammenhängen, suchten die Forschenden nach spezifischen Markern, die die Entscheidungen des Computers trieben. Eine Atemverbindung, das schwefelhaltige Gas Methanthiol, zeigte bei Krebspatient:innen vier- bis fünfmal höhere Werte. Gleichzeitig war eine Unterart von Fusobacterium nucleatum im Speichel stark angereichert. Netzwerk-Analysen von Stoffwechselwegen deuteten darauf hin, dass dieses Bakterium befähigt ist, Bausteine in Methanthiol umzuwandeln. In Laborkulturen stiegen die Methanthiolwerte deutlich an, wenn das Mikroben zusammen mit oralen Krebszellen kultiviert wurden, obwohl sich die Bakterien nicht vermehrten — ein Befund, der die Idee stützt, dass die Wechselwirkung zwischen Tumor und Keim die Gasproduktion fördert, die dann in der Ausatemluft nachweisbar ist.

Ein intelligentes Online-Tool für Ärzt:innen und Forschende

Statt ihre Methoden geheim zu halten, kombinierten die Forschenden die Atemdaten, Speicheldaten und das Computermodell zu einer öffentlichen Webplattform. Kliniker:innen oder Wissenschaftler:innen können ihre eigenen Messwerte flüchtiger Atemverbindungen oder Speichelmikroben hochladen und erhalten sofortige Vorhersagen dazu, ob das Muster eher dem einer Krebsperson oder einer gesunden Person ähnelt. Die Seite zeigt auch, welche Merkmale — etwa Methanthiolwerte oder die Häufigkeit von Fusobacterium nucleatum — jede einzelne Vorhersage am stärksten beeinflusst haben, was das System transparenter und leichter vertrauenswürdig macht.

Was diese Arbeit für zukünftige Screenings bedeutet

Für Nicht-Expert:innen lautet die Botschaft dieser Studie, dass ein schneller, schmerzfreier Atem- und Speicheltest eines Tages helfen könnte, Mundkrebs früher und mit weniger Unannehmlichkeiten zu erkennen. Die Forschung ersetzt die Biopsie nicht als endgültige Diagnose, und sie muss noch in größeren und vielfältigeren Populationen getestet werden, einschließlich Menschen mit sehr frühen oder präkanzerösen Veränderungen. Aber sie zeigt, dass die Mischung aus ausgeatmeten Chemikalien und den Mikroben in unserem Mund einen lesbaren Krankheitssignalcode bildet. Durch die Kombination sensibler Instrumente mit künstlicher Intelligenz legt diese Arbeit die Grundlage für einfache Screening-Tools, die in Zahnarztpraxen oder Gemeindegesundheitszentren eingesetzt werden könnten, um Menschen zu kennzeichnen, die eine weiterführende Untersuchung am dringendsten benötigen.

Zitation: Sun, Y., Hu, X., Han, J. et al. Rapid and noninvasive artificial intelligence-assisted diagnostic method for oral squamous cell carcinoma. npj Digit. Med. 9, 399 (2026). https://doi.org/10.1038/s41746-026-02527-3

Schlüsselwörter: Mundkrebs, Atemanalyse, Microbiom, Künstliche Intelligenz, Nichtinvasive Diagnose