KI-Biomarker revolutionieren die Präzisionsonkologie

Von der Histologie direkt zur Therapieentscheidung Künstliche Intelligenz ermöglicht es inzwischen, aus konventionellen Gewebebildern (H&E, IHC oder multiplexe Immunfluoreszenz) hochpräzise prädiktive und prognostische Biomarker abzuleiten – ohne zusätzliche molekulare Tests. Diese sogenannten KI-Biomarker (auch computational oder digital biomarkers) haben 2026 den Sprung von der Forschung in die klinische Routine und in große globale Studien geschafft.

Künstliche Intelligenz ermöglicht es inzwischen, aus konventionellen Gewebebildern (H&E, IHC oder multiplexe Immunfluoreszenz) hochpräzise prädiktive und prognostische Biomarker abzuleiten – ohne zusätzliche molekulare Tests. Diese sogenannten KI-Biomarker (auch computational oder digital biomarkers) haben 2026 den Sprung von der Forschung in die klinische Routine und in große globale Studien geschafft.

Was sind KI-Biomarker?

KI-Biomarker sind trainierte Deep-Learning-Modelle (meist auf Foundation-Modellen oder Graph Neural Networks basierend), die aus digitalen histologischen Bildern biologisch oder therapeutisch relevante Merkmale vorhersagen. Sie nutzen Muster, die für das menschliche Auge oft unsichtbar oder schwer quantifizierbar sind.

Wichtige Vorteile gegenüber klassischen Biomarkern:

• Sehr hohe Reproduzierbarkeit (Inter-Pathologen-Variabilität sinkt von 15–25 % auf unter 5 %)
• Schnell und kostengünstig (nutzen bereits vorhandene Schnitte)
• Skalierbar in multizentrischen Studien
• Ergänzen oder ersetzen teilweise teure NGS- oder IHC-Tests

Die wichtigsten KI-Biomarker, die 2026 bereits klinisch oder in fortgeschrittener Validierung eingesetzt werden

1. HER2-low / HER2-ultralow (Mindpeak / Proscia)
   In einer multizentrischen Studie mit sechs internationalen Zentren (ASCO 2025) stieg die diagnostische Übereinstimmung der Pathologen bei HER2-low von 73,5 % auf 86,4 % und bei HER2-ultralow von 65,6 % auf 80,6 %. Die Fehlklassifikation von HER2-null-Fällen sank um 65 %. Dies ist entscheidend für die korrekte Auswahl von Patientinnen für Antikörper-Wirkstoff-Konjugate (ADC) wie Enhertu.
2. EGFR-Mutationsvorhersage (EAGLE-Modell)
   Ein H&E-basiertes KI-Modell (Mount Sinai / Memorial Sloan Kettering, Nature Medicine 2025) sagt EGFR-Mutationen beim nicht-kleinzelligen Lungenkarzinom direkt aus dem konventionellen Schnitt vorher. In einem „silent trial“ reduzierte es den Bedarf an schnellen molekularen Tests um über 40 % und dient als „computational companion diagnostic“ für EGFR-Tyrosinkinase-Inhibitoren.
3. MSI / dMMR (Mindpeak, Paige, PathAI)
   Vorhersage der Mikrosatelliteninstabilität bzw. defizienten Mismatch-Repair aus H&E-Bildern. Bereits in mehreren europäischen Laboren routinemäßig einsetzbar und entscheidend für die Indikationsstellung von Immuncheckpoint-Inhibitoren.
4. PD-L1 TPS / CPS (Mindpeak, Ibex)
   Quantitative und reproduzierbare Bestimmung der PD-L1-Expression. Mehrere Systeme sind 2026 als IVDR- bzw. FDA-konforme Tools zugelassen und werden in Lungen- und Kopf-Hals-Tumoren routinemäßig verwendet.
5. Homologe Rekombinations-Defizienz (HRD-Digital)
   Modelle von Owkin und Tempus sagen HRD-Status aus H&E-Bildern vorher – wichtig für die Auswahl von PARP-Inhibitoren bei Ovarial- und Brustkrebs.
6. Tumor-Mikroumgebung-Charakterisierung
   KI quantifiziert Immunzellinfiltrate, Stromaverhältnis und „hot/cold“-Tumoren. Wird zunehmend für die Vorhersage des Ansprechens auf Immuntherapien genutzt.

Aktuelle Partnerschaft als Beispiel: Discovery Life Sciences + Mindpeak (März 2026)

Discovery Life Sciences und Mindpeak haben Anfang März 2026 eine strategische Kooperation angekündigt. Ziel ist die Integration von Mindpeak-KI-Algorithmen in die globalen klinischen Biomarker-Studien von Discovery für IHC und multiplexe Immunfluoreszenz (mIF). Die Kombination soll die Konsistenz der Biomarker-Bewertung deutlich steigern und die Risiken in biomarkerbasierten Studien senken. Discovery bringt seine Biomarker Academy (über 6.000 geschulte Pathologen) und Erfahrung aus mehr als 2.000 klinischen Studien ein.

Regulatorischer Status 2026

• Mehrere KI-Biomarker-Systeme (u. a. von Mindpeak, Paige und Ibex) sind als Software as Medical Device (SaMD) unter IVDR (Europa) und FDA (USA) zugelassen.
• Die EMA-FDA-Joint-Principles zu KI (Januar 2026) fordern Validierung, Erklärbarkeit und Bias-Kontrolle.
• In Tumorboards werden KI-Biomarker zunehmend als ergänzende oder sogar primäre Entscheidungsgrundlage akzeptiert.

Fazit
KI-Biomarker haben sich 2026 von experimentellen Ansätzen zu klinisch validierten, regulatorisch akzeptierten Tools entwickelt. Sie machen die Präzisionsonkologie schneller, reproduzierbarer und kosteneffizienter. Besonders bei HER2-low, EGFR, MSI und PD-L1 zeigen sie bereits heute messbare Verbesserungen in Diagnosegenauigkeit und Therapieauswahl.

Die Partnerschaft von Discovery Life Sciences mit Mindpeak ist ein weiterer Beleg dafür, dass KI-Biomarker nun auch systematisch in großen internationalen klinischen Studien eingesetzt werden.