Ein medizinischer Erklärartikel (Stand März 2026)
Während KI in der Diagnostik bereits weit verbreitet ist, gewinnt sie 2026 auch in der Therapieplanung zunehmend an Bedeutung. Hier geht es nicht nur um die Erkennung von Krankheiten, sondern um die optimale Auswahl, Dosierung und Anpassung von Behandlungen – insbesondere in der Onkologie, Strahlentherapie und systemischen Therapien. KI-Systeme analysieren multimodale Daten (Bildgebung, Genomik, Proteomik, Laborwerte, klinische Verläufe) und unterstützen Ärzte bei komplexen Entscheidungen, die früher Stunden oder Tage in Anspruch nahmen.
Der Deutsche Krebskongress (DKK) 2026 und die ESMO-Leitlinien 2025 betonen: KI wird zum „Copiloten“ in Tumorboards und Therapieplanung, reduziert Variabilität und ermöglicht eine echte „one-patient-one-strategy“-Medizin.
1. KI in der Strahlentherapieplanung – Automatisierte Konturierung und adaptive Planung
Die Konturierung von Zielvolumina und Risikoorganen ist zeitaufwendig und anfällig für interindividuelle Unterschiede. KI-Modelle (meist Deep-Learning-basierte U-Net- oder Transformer-Architekturen) automatisieren diesen Schritt mit hoher Genauigkeit.
Fallstudie: UC San Diego „One-Click“-Tool für Zervixkarzinom-Brachytherapie (2026)
Forscher der University of California San Diego entwickelten ein KI-Tool, das in das kommerzielle Planungssystem Varian BrachyVision integriert ist. Mit einem einzigen Klick analysiert es MRT- oder CT-Bilder und erstellt einen vollständigen, individuellen Behandlungsplan in unter vier Minuten.
Ergebnisse: Die Pläne erreichten die gleiche klinische Qualität wie manuell erstellte Pläne durch erfahrene Ärzte, reduzierten jedoch die Planungszeit dramatisch. Dies verringert Patientenbelastung (weniger Zeit in unangenehmer Position) und minimiert menschliche Fehler. Das Tool wurde mit Unterstützung des NSF NAIRR Pilot auf dem Voyager-Supercomputer trainiert und validiert.
Weitere Beispiele:
- MVision AI, Varian Ethos und RayStation nutzen KI für Auto-Contouring und adaptive Strahlentherapie. Elekta Evo CT-Linac (FDA 510(k) 2026) verbessert mit AI-gestützter Bildrekonstruktion die Echtzeit-Visualisierung für adaptive Planung.
- In der DEGRO 2026 wurde hervorgehoben, dass KI-assistierte Planung die Dosimetrie bei Brust- und Prostatakarzinom präziser und organschonender macht.
2. KI in der systemischen Therapieauswahl und Präzisionsonkologie
KI integriert molekulare, radiomische und klinische Daten, um die beste Therapie (Chemotherapie, Immuntherapie, zielgerichtete Therapien) vorherzusagen.
Fallstudie: Tempus AI und JCO Precision Oncology (2025/2026)
Tempus analysiert klinische und genomische Daten mit KI-Modellen und unterstützt die Auswahl der Erstlinien-Chemotherapie bei fortgeschrittenem Pankreaskarzinom. In real-world-Daten zeigte das Modell eine bessere Übereinstimmung mit erfolgreichen Therapien als konventionelle Ansätze. Tempus wurde 2025/2026 vom US-Gesundheitsministerium (ARPA-H) ausgewählt, um KI und Biomarker-Testing bei metastasierten Lungen-, Brust- und Kolorektalkarzinomen zu optimieren.
Fallstudie: EAGLE-Modell (Nature Medicine 2025)
Ein H&E-basiertes KI-Modell (Mount Sinai / Memorial Sloan Kettering) sagt aus konventionellen Histologie-Schnitten EGFR-Mutationen beim nicht-kleinzelligen Lungenkarzinom vorher. In einem „silent trial“ (KI-Ergebnisse nicht sichtbar für Kliniker) reduzierte es den Bedarf an schnellen molekularen Tests um über 40 %. Das Modell dient als „computational biomarker“ und beschleunigt die Triage für zielgerichtete Therapien (z. B. EGFR-TKI).
Weitere Beispiele:
- IBM Watson for Oncology zeigte in Studien mit MD Anderson eine Übereinstimmung von über 90 % mit Experten-Tumorboards bei Brust- und Kolorektalkarzinom.
- Artera AI und ähnliche Modelle prognostizieren das Ansprechen auf Immuntherapie bei Prostatakarzinom anhand digitaler Pathologie.
3. Multimodale KI und digitale Zwillinge in der Therapieplanung
Moderne Systeme fusionieren Bildgebung, Genomik, Laborwerte und Real-World-Daten zu „digitalen Zwillingen“ des Patienten. Diese simulieren Therapieeffekte virtuell.
Beispiel aus der City of Hope (2025/2026):
KI-Agenten analysieren multimodale Datensätze und generieren prädiktive Insights für personalisierte Therapien. In Kombination mit robotergestützter Chirurgie verbessern sie Präzision und reduzieren Komplikationen.
ESMO-Leitlinien 2025:
Die europäische Fachgesellschaft veröffentlichte Empfehlungen zum sicheren Einsatz von Large Language Models (LLMs) und KI in der onkologischen Therapieplanung – mit Fokus auf Transparenz, Bias-Kontrolle und menschliche Letztverantwortung.
4. Weitere klinische Anwendungen
- Adaptive Strahlentherapie: Systeme wie Varian Ethos passen Pläne in Echtzeit an anatomische Veränderungen an (z. B. Tumor-Schrumpfung oder Organverschiebung).
- Chirurgische Planung: KI-gestützte Robotik (z. B. bei Prostatektomie oder Brustkrebs-OP) verbessert Präzision und onkologische Sicherheit.
- Toxizitätsvorhersage: Modelle sagen Nebenwirkungen voraus und ermöglichen Dosisanpassungen.
- Tumorboard-Unterstützung: KI fasst molekulare und klinische Daten zusammen und schlägt evidenzbasierte Optionen vor.
Herausforderungen und Ausblick 2026/2027
Trotz Erfolgen bleiben Herausforderungen:
- Bias in Trainingsdaten (ethnische oder geschlechtsspezifische Unterschiede).
- Erklärbarkeit (XAI-Methoden wie SHAP oder Attention Maps werden Standard).
- Regulatorik: FDA und IVDR fordern robuste Validierung; viele Tools sind als SaMD (Software as Medical Device) zugelassen.
- Integration in bestehende Systeme und Akzeptanz durch Ärzte.
Auf dem DKK 2026 und der analytica conference wird deutlich: KI ist kein Ersatz für den Arzt, sondern ein leistungsstarker Assistent, der Zeit spart, Variabilität reduziert und die Präzision steigert. Die Kombination aus Foundation Models, multimodalen Daten und real-world-Evidenz ermöglicht 2026 erstmals eine skalierbare personalisierte Therapieplanung – von der Strahlentherapie über systemische Onkologie bis hin zu adaptiven und nicht-invasiven Ansätzen.
Das Ergebnis: Schnellere, genauere und schonendere Behandlungen für Patienten – bei gleichzeitiger Entlastung der Fachkräfte in der Labormedizin und Onkologie. Die Zukunft der Therapieplanung ist multimodal, KI-gestützt und hochindividuell.
