Die Integration in die klinische Praxis schreitet rasch voran und hat das Potenzial, die Versorgung älterer Menschen mit hämatologischen Erkrankungen zu verbessern – einer Bevölkerungsgruppe, die sich durch Komplexität, Multimorbidität und Unterrepräsentation in klinischen Studien auszeichnet. Die EHA-2025-Sitzung „Altern und Hämatologie: Künstliche Intelligenz in der geriatrischen Hämatologie” bot wertvolle Einblicke in aktuelle Entwicklungen und zukünftige Richtungen in diesem Bereich. Die Sitzung umfasste drei Fachvorträge: Dr. Torsten Haferlach (München, Deutschland) über das breite Potenzial von KI in der Hämatologie und Geriatrie; Dr. Esther Lueje (Madrid, Spanien) über die aufkommende Rolle großer Sprachmodelle (LLM) bei der klinischen Entscheidungsfindung; Dr. Alfonso Piciocchi (Rom, Italien) über den Einsatz synthetischer Kohorten und digitaler Zwillinge zur Schließung von Lücken in der klinischen Forschung.
Zusammen gaben die Vorträge ein Bild davon, wie KI Ärzten helfen könnte, ältere Patienten besser zu behandeln und eine integrative Forschung zu fördern.
Dr. Torsten Haferlach hob die besonderen Herausforderungen bei der Behandlung älterer Erwachsener mit hämatologischen Erkrankungen hervor: altersbedingte physiologische Veränderungen, hohe Variabilität zwischen den einzelnen Patienten, häufige Komorbiditäten und Polypharmazie. Herkömmliche Prognosewerkzeuge können diese Komplexität oft nicht erfassen.
KI-basierte Ansätze, insbesondere solche, die und Deep Learning nutzen, bieten die Möglichkeit, große Mengen strukturierter und unstrukturierter klinischer Daten zu analysieren, darunter Laborwerte, Genomprofile, Bildgebungsdaten, und Behandlungsverläufe. Durch die Identifizierung von Mustern, die für menschliche Kliniker nicht sichtbar sind, kann KI die Diagnose unterstützen, die Risikostratifizierung verfeinern und Behandlungsentscheidungen personalisieren.
Dr. Haferlach präsentierte Beispiele aus seiner eigenen Erfahrung mit KI-basierten Systemen in der Leukämiediagnostik. KI hat bereits bewiesen, dass sie in der Lage ist, hämatologische Malignome anhand der Knochenmarkmorphologie und genetischer Daten genau zu klassifizieren, wobei sie manchmal traditionelle, von Experten gesteuerte Methoden übertrifft. Die Stärke der KI liegt nicht darin, den Kliniker zu ersetzen, sondern das klinische Urteilsvermögen zu ergänzen, insbesondere in komplexen geriatrischen Situationen. Wichtig ist, dass KI-Modelle speziell auf repräsentativen Daten älterer Patienten trainiert werden müssen, um Verzerrungen zu vermeiden und die Anwendbarkeit in dieser Population sicherzustellen.
Dr. Esther Lueje konzentrierte sich darauf, wie große Sprachmodelle (LLM) (fortschrittliche KI-Systeme, die auf der Grundlage umfangreicher biomedizinischer Literatur und klinischer Daten trainiert wurden) Hämatologen bei der Behandlung älterer Patienten unterstützen können.
Ältere Erwachsene mit hämatologischen Erkrankungen weisen häufig atypische Symptome, Multimorbidität, Gebrechlichkeit und komplexe Wechselwirkungen zwischen Medikamenten auf. Ärzte müssen unterschiedliche Informationsquellen zusammenführen, und Entscheidungen basieren oft eher auf Expertenmeinungen als auf fundierten Erkenntnissen, insbesondere angesichts des Mangels an soliden Studiendaten für ältere Patienten.
Dr. Lueje demonstrierte, wie LLM-Tools Informationen schnell zusammenfassen, evidenzbasierte Vorschläge unterbreiten und potenzielle Fallstricke aufzeigen können. Ein LLM könnte beispielsweise:
Sie betonte, dass aktuelle LLMs keine autonomen Entscheidungsträger sind, sondern als intelligente Begleiter fungieren, die die Fähigkeit von Klinikern verbessern, in komplexen Fällen fundierte, patientenzentrierte Entscheidungen zu treffen. Es bestehen weiterhin Einschränkungen: LLM-Ergebnisse müssen immer von erfahrenen Klinikern validiert werden, und eine kontinuierliche Aktualisierung der KI-Modelle ist erforderlich, um die Zuverlässigkeit zu gewährleisten. Dennoch deuten erste klinische Erfahrungen darauf hin, dass die LLM-gestützte Entscheidungsfindung die geriatrische Hämatologiepraxis grundlegend verändern könnte.
Ein großes Problem in der geriatrischen Hämatologie ist, dass ältere Patienten in klinischen Studien nach wie vor unterrepräsentiert sind, was zu einer Kluft zwischen evidenzbasierten Leitlinien und der Praxis führt. Dr. Alfonso Piciocchi untersuchte, wie KI durch die Erstellung synthetischer Kohorten und digitaler Zwillinge (virtuelle Darstellungen realer Patienten, die in der klinischen Forschung verwendet werden können) dazu beitragen kann, diese Lücke zu schließen.
Durch die Nutzung von Daten (RWD) kann KI synthetische Patientenkohorten generieren, die die Merkmale älterer Erwachsener widerspiegeln, die aufgrund von Gebrechlichkeit oder Begleiterkrankungen typischerweise von Studien ausgeschlossen werden. Diese synthetischen Kohorten können als externe Kontrollarme für klinische Studien dienen oder explorative Analysen der Behandlungseffekte in älteren Untergruppen unterstützen.
Dr. Piciocchi stellte auch erste Arbeiten zu digitalen Zwillingen vor: dynamische, KI-gesteuerte Modelle einzelner Patienten, die Krankheitsverläufe unter verschiedenen Behandlungsszenarien simulieren können. Digitale Zwillinge bieten großes Potenzial für personalisierte Risikobewertungen und ermöglichen die Entwicklung flexibler, patientenzentrierter klinischer Studien. Diese Innovationen können die geriatrische Hämatologieforschung repräsentativer gestalten, bestehende Evidenzlücken schließen und zu besseren Behandlungsleitlinien für ältere Patienten führen.
Die Sitzung endete mit einer spannenden Fragerunde, in der die Referenten ein gemeinsames Thema betonten: KI muss klinisches Fachwissen ergänzen, nicht ersetzen, insbesondere bei der differenzierten Versorgung älterer Menschen. Sie betonten auch, wie wichtig es ist, KI-Tools zu entwickeln, die transparent, erklärbar und in geriatrischen Populationen rigoros validiert sind.
KI bietet spannende Möglichkeiten, die geriatrische Hämatologie zu verändern. Ob durch fortschrittliche Diagnostik, LLM-gestützte Entscheidungsfindung oder neuartige Forschungsmethoden – KI könnte Ärzten helfen, die Komplexität der Behandlung älterer Patienten zu bewältigen und gleichzeitig die klinische Forschung inklusiver zu gestalten.
Die wichtigsten Herausforderungen bleiben bestehen: die Sicherstellung der Datenqualität, die Beseitigung potenzieller Verzerrungen und die Integration von KI in die Routinepraxis. Aber wie die Sitzung deutlich gezeigt hat, beginnt KI bereits, die Landschaft der geriatrischen Hämatologie neu zu gestalten, mit klaren Vorteilen für Patienten und Ärzte gleichermaßen.