Maschinelles Lernen und künstliche Intelligenz bei der Liquid-Biopsy-basierten Früherkennung von Bauchspeicheldrüsenkrebs: ein Scoping-Review

Warum frühe Hinweise in Blut und Urin wichtig sind

Bauchspeicheldrüsenkrebs gehört zu den tödlichsten der häufiger vorkommenden Krebserkrankungen, weil er selten deutliche Symptome verursacht, bevor er bereits gestreut hat. Dieser Review untersucht, wie Ärztinnen und Ärzte ihn früher erfassen könnten, indem sie winzige Spuren von Tumormaterial in alltäglichen Körperflüssigkeiten untersuchen und künstliche Intelligenz nutzen, um verborgene Muster zu erkennen. Für Patientinnen und Patienten sowie deren Familien besteht die Hoffnung, dass ein einfacher Blut- oder Urintest eines Tages schon lange vor einer lebensbedrohlichen Tumorentwicklung Alarm schlagen kann.

Ein schwer zugängliches Organ mit stillen Warnsignalen

Die Bauchspeicheldrüse liegt tief im Bauch, weshalb Tumoren lange unbemerkt wachsen können. Viele Betroffene bemerken zunächst nur unspezifische Probleme wie Müdigkeit, Magen- oder Rückenschmerzen, Gewichtsverlust oder Gelbfärbung der Haut. Bei Entdeckung des duktalen Adenokarzinoms haben mehr als drei Viertel der Patientinnen und Patienten bereits lokal fortgeschrittene oder metastasierte Erkrankungen, und nur wenige kommen für eine Operation infrage. Selbst mit modernen Therapien überleben in den USA nur etwa eine von zehn Personen fünf Jahre nach der Diagnose, sodass eine Verschiebung der Erkennung auf deutlich früher entscheidend ist.

Liquid Biopsy als schonenderes Fenster zum Krebs

Aktuelle Screening-Methoden für Hochrisikopersonen beruhen auf bildgebenden Verfahren und endoskopischem Ultraschall, die teuer, unangenehm und mitunter risikobehaftet sein können. Liquid Biopsy bietet einen anderen Weg. Statt direkt auf die Bauchspeicheldrüse zu schauen, analysieren Klinikteams Blut, Urin, Galle oder Zystenflüssigkeit nach Molekülen, die Tumoren abgeben. Dazu gehören Tumor-DNA-Fragmente, ganze Tumorzellen, winzige membranumhüllte Vesikel und kurze RNA-Moleküle, die Genaktivität steuern. Weil diese Marker mit einer einfachen Blutentnahme oder Urinprobe gewonnen werden können, könnten sie häufigere und breiter verfügbare Kontrollen ermöglichen—insbesondere, wenn sie in Panels kombiniert werden, statt sich auf einen einzelnen Marker wie den lang verwendeten Bluttest CA19-9 zu verlassen.

Computern beibringen, komplexe molekulare Signale zu lesen

Die Herausforderung besteht darin, dass diese Körperflüssigkeiten eine dichte Mischung aus normalem und abnormalem Material enthalten und frühe Tumoren nur schwache Spuren hinterlassen können. Die Autorinnen und Autoren betrachten 18 aktuelle Studien, die auf maschinelles Lernen und Deep Learning setzen, um subtile Muster in diesem Datenmeer zu erkennen. Die meisten Studien nutzten Blutproben, einige untersuchten Urin, Galle oder Pankreaszystenflüssigkeit. Übliche Methoden wie Random Forests und Support Vector Machines wurden trainiert, um Patientinnen und Patienten mit Bauchspeicheldrüsenkrebs von gesunden Freiwilligen, von Personen mit anderen Krebsarten oder von solchen mit nichtbösartigen Pankreasproblemen wie chronischer Entzündung oder benignen Zysten zu unterscheiden. Zwei Studien verwendeten komplexere neuronale Netze, die Muster direkt aus großen Messdatensätzen erlernen konnten.

Was bisher am besten funktioniert und was noch fehlt

Die Leistungsfähigkeit variierte stark zwischen den Studien, doch einige Muster traten hervor. Tests, die auf kleinen RNA-Molekülen in Körperflüssigkeiten basieren—insbesondere wenn diese in Vesikeln geschützt sind—erreichten häufig sehr hohe Genauigkeit und eine starke Trennschärfe zwischen Krebs- und Nicht-Krebs-Proben. Im Gegensatz dazu hatten Methoden, die auf ganzen Tumorzellen oder bestimmten Vesikeltypen beruhen, größere Schwierigkeiten, zum Teil weil diese Partikel fragil, selten und schwer zuverlässig zu isolieren sind. Mehrere Teams zeigten, dass die Kombination von CA19-9 mit neuen Markern die Leistung gegenüber CA19-9 allein verbesserte, was an frühere Erfolge mit multiplen Pränatal-Bluttests erinnert. Dennoch basierten die meisten Studien auf moderaten Patientenzahlen, oft mit bereits bestätigtem Krebs, und berichteten ihre Ergebnisse unterschiedlich, was einen fairen Vergleich erschwert.

Was das heute für Patientinnen, Patienten und Ärztinnen und Ärzte bedeutet

Der Review schließt, dass KI-gestützte Liquid-Biopsy-Ansätze vielversprechende Ergänzungen zur bildgebenden Diagnostik sein können, heute aber keine Ersatzoption darstellen. Das Feld ist jung und nur wenige getestete Panels sind für den Routineeinsatz in der Klinik bereit. Größere, besser konzipierte Studien bei Hochrisikopersonen und bei solchen mit frühen Veränderungen wie chronischer Pankreatitis sind nötig, ebenso wie klarere Standards zur Berichterstattung über die Modellleistung. Wenn diese Hürden überwunden werden können, könnten einfache flüssigkeitsbasierte Tests, gesteuert von intelligenten Algorithmen, eines Tages helfen, Bauchspeicheldrüsenkrebs früher zu identifizieren, invasive Eingriffe zu reduzieren und mehr Patientinnen und Patienten eine Chance auf kurative Behandlung zu geben.

Zitation: Ku, J., Singhal, M., Burnette, M. et al. Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review. BJC Rep 4, 26 (2026). https://doi.org/10.1038/s44276-026-00232-y

Schlüsselwörter: Bauchspeicheldrüsenkrebs, Liquid Biopsy, Maschinelles Lernen, Früherkennung, Blut-Biomarker