Ein bahnbrechender Review-Artikel von Kamyar Bagheri beleuchtet das immense therapeutische Potenzial von chimären Antigenrezeptor-modifizierten natürlichen Killerzellen (CAR-NK) bei gastrointestinalen (GI) Krebserkrankungen. Der Bericht, betitelt „Harnessing the potential of CAR-NK cell therapy in gastrointestinal cancers: From bench to bedside“, fasst präklinische und frühe klinische Erkenntnisse zu Pankreas-, Leber-, Kolorektal-, Magen-, Speiseröhren- und Zungenkrebs zusammen und positioniert CAR-NK-Zellen als vielversprechende nächste Generation der Zelltherapie. CAR-NK-Zellen: Ein Paradigma mit Vorteilen CAR-NK-Zellen kombinieren die antigenspezifische Wirkung von CARs mit der natürlichen Zytotoxizität von NK-Zellen. Dies ermöglicht eine hohe Wirksamkeit bei gleichzeitig verbessertem Sicherheitsprofil, da das Risiko für Zytokinfreisetzungssyndrom (CRS) und Graft-versus-Host-Krankheit (GvHD) im Vergleich zu CAR-T-Zellen deutlich reduziert ist. Zudem eignen sich CAR-NK-Zellen für die allogene, sofort verfügbare Herstellung („off-the-shelf“), was ihre klinische Anwendung erleichtert. Herausforderungen bei soliden Tumoren Der Review identifiziert zentrale Hindernisse bei der Anwendung von CAR-NK-Zellen gegen solide Tumoren, darunter: Zur… 

Ein niederländischer Sicherheitsforscher hat zwei kritische Schwachstellen in Microsofts Entra ID, der Identitäts- und Zugriffsverwaltungsplattform von Azure, aufgedeckt, die potenziell verheerende Folgen für Millionen von Nutzern weltweit hätten haben können. Die Schwachstellen, entdeckt während der Vorbereitung auf eine Sicherheitskonferenz in Las Vegas, hätten es Angreifern ermöglicht, vollständige Administratorenrechte zu erlangen und nahezu alle Entra ID-Verzeichnisse, sogenannte „Tenants“, zu kompromittieren. Entra ID, früher bekannt als Azure Active Directory, ist ein zentraler Bestandteil der Cloud-Infrastruktur von Microsoft und verwaltet Nutzeridentitäten, Anmeldezugriffe, Anwendungen und Abonnements für Azure-Kunden. Die entdeckten Schwachstellen hätten Angreifern die Möglichkeit gegeben, die Kontrolle über sämtliche Kundenkonten zu übernehmen, mit Ausnahme einiger staatlicher Cloud-Infrastrukturen. Der Forscher, der für ein niederländisches Cybersicherheitsunternehmen tätig ist, betonte die Schwere der Lücken, die ein beispielloses Sicherheitsrisiko darstellten. Die Schwachstellen wurden vor der Veröffentlichung an Microsoft gemeldet, um eine Behebung zu ermöglichen. Die Entdeckung unterstreicht… 

Eine neue Studie, veröffentlicht in Frontiers in Artificial Intelligence (DOI: 10.3389/frai.2025.1627078), untersucht die Früherkennung von Depressionen durch Black-Box-Modelle des maschinellen Lernens (ML) und natürliche Sprachverarbeitung (NLP) anhand von Social-Media-Daten. Forscher der Islamia University of Bahawalpur, Universität des Punjab, Manchester Metropolitan University und Staffordshire University nutzten Modelle wie Support Vector Machines (SVM), Random Forests (RF) und neuronale Netze, kombiniert mit NLP-Techniken wie TF-IDF, Latent Dirichlet Allocation (LDA) und GloVe-Embeddings. Die Studie integriert die erklärbare KI-Methode LIME (Local Interpretable Model-Agnostic Explanations), um die Transparenz und Interpretierbarkeit der Modelle zu erhöhen. SVM erzielte die höchste Genauigkeit bei der Depressionserkennung, während LIME Einblicke in sprachliche Marker lieferte, die mit psychologischer Forschung übereinstimmen. Dies verbessert die klinische Vertrauenswürdigkeit der Modelle. Im Gegensatz zu früheren Arbeiten, die sich auf Klassifizierungsgenauigkeit konzentrierten, legt die Studie Wert auf Interpretierbarkeit und testete 28 Feature-Klassifikator-Kombinationen. Sie führte spezifische Vorverarbeitungsschritte wie… 

Eine neue systematische Übersichtsarbeit, veröffentlicht in Frontiers in Digital Health (DOI: 10.3389/fdgth.2025.1653631), untersucht die ethischen Aspekte des Einsatzes Großer Sprachmodelle (LLMs) im Gesundheitswesen. Die Studie, durchgeführt von Forschenden der Riphah International University (Pakistan) und der Technischen Universität Luleå (Schweden), analysierte 27 Peer-Review-Studien aus den Jahren 2017 bis 2025, die in vier großen Open-Access-Datenbanken erschienen sind. Die Untersuchung identifiziert Voreingenommenheit und Fairness (25,9 %) als die meistdiskutierten ethischen Bedenken, gefolgt von Sicherheit, Zuverlässigkeit, Transparenz, Verantwortlichkeit und Datenschutz. Die GPT-Modellfamilie dominiert die analysierten Studien (51,8 %). Anwendungsbereiche wie klinische Entscheidungsunterstützung und Patienten-Chatbots wurden besonders hervorgehoben. Die Studie betont, dass bestehende Literatur oft nur spezifische klinische Bereiche untersucht und umfassende ethische Analysen fehlen. Die Autoren schlagen einen vorläufigen Rahmen für die ethische Integration von LLMs vor, der regulatorische, technische und menschliche Kontrollmechanismen umfasst, um Kliniker, Entwickler und politische Entscheidungsträger zu unterstützen. Herausforderungen wie…