Mount Sinai Tisch Cancer Center: KI-gestütztes Patientenmatching für klinische Studien mit PRISM

Klinische Studien gelten als wesentlicher Motor des onkologischen Fortschritts, doch weltweit nehmen laut verfügbaren Daten nur rund 7 % der Krebspatienten daran teil. Am Mount Sinai Health System werden jährlich rund 10.000 neue Krebspatienten behandelt; weniger als 10 % davon werden in klinische Studien aufgenommen, wie Karyn Goodman, Associate Director of Clinical Research am Tisch Cancer Center, gegenüber Medical News Today erläuterte.

Ein zentrales strukturelles Problem: Die Identifikation geeigneter Studienteilnehmer erforderte bislang die manuelle Durchsicht umfangreicher Patientenakten. „Identifying patients for clinical trials has historically required manual review of oncology schedules and patient medical history, which involves substantial time and effort by our clinical research staff and yields variability in identifying trial opportunities for patients", beschrieb Goodman den bisherigen Prozess. Patientenakten können laut Triomics-CEO Sarim Khan bis zu 1.000 Seiten umfassen – handschriftliche Notizen ebenso wie MRT-Bilder –, die ein Arzt vor dem ersten Gespräch mit dem Patienten durcharbeiten müsste.

Das Mount Sinai Tisch Cancer Center hat die KI-Plattform PRISM des Unternehmens Triomics systemweit eingeführt. Mount Sinai ist damit das erste NCI-designierte Comprehensive Cancer Center in New York City, das dieses Tool flächendeckend für das klinische Trial-Matching einsetzt.

Die Plattform analysiert elektronische Patientenakten (EHR) aus dem EPIC-System – darunter strukturierte und unstrukturierte Daten wie Krankengeschichten, Diagnosen und klinische Merkmale – und gleicht diese automatisiert mit den Einschlusskriterien laufender klinischer Studien ab. Die systemweite Implementierung umfasst neben dem Mount Sinai Hospital auch Mount Sinai Brooklyn, Mount Sinai Morningside, Mount Sinai Queens, Mount Sinai South Nassau und Mount Sinai West, sodass Patienten an allen Standorten gleichwertige Zugangsmöglichkeiten zu Studien erhalten.

„By deploying an AI platform trained specifically for oncology, we can identify trial opportunities earlier, more consistently, and more equitably, allowing clinicians to focus on meaningful conversations with patients rather than manual chart review", erklärte Goodman.

PRISM basiert auf dem OncoLLM, einem Large Language Model, das Triomics speziell für die Onkologie entwickelt hat. Das Modell verarbeitet sowohl strukturierte als auch unstrukturierte Daten aus Patientenakten und liefert Ärzten und klinischem Forschungspersonal aufbereitete Ergebnisse inklusive Quellenangaben – die Plattform ist damit nachvollziehbar und verzichtet auf implizites Vertrauen in die KI.

Triomics wurde 2021 von Sarim Khan und Hrituraj Singh gegründet und arbeitet nach eigenen Angaben inzwischen mit Krebszentren zusammen, die rund 15 % aller amerikanischen Krebspatienten behandeln. Zu den Kunden zählen neben Mount Sinai auch Memorial Sloan Kettering, MD Anderson und das Yale Cancer Center.

Triomics veröffentlichte in Zusammenarbeit mit der American Society of Clinical Oncology Daten, die eine Reduktion der Chart-Review-Zeiten um 67 % sowie eine 40-prozentige Verbesserung beim Patientenmatching für klinische Studien belegen. Konkrete, auf die Mount-Sinai-Implementierung bezogene Outcome-Daten liegen noch nicht vor. Mount Sinai hat angekündigt, die Ergebnisse des PRISM-Einsatzes laufend zu evaluieren und in peer-reviewten Publikationen sowie auf nationalen wissenschaftlichen Konferenzen zu veröffentlichen.

Die Einführung von PRISM adressiert ein strukturelles Problem, das über Mount Sinai hinaus den gesamten Bereich der klinischen Onkologieforschung betrifft: die Diskrepanz zwischen der Zahl verfügbarer Studien und der tatsächlichen Patientenbeteiligung. Goodman nannte als explizite Ziele die Verbesserung von Chancengleichheit und Diversität in der Studienteilnahme, die Reduktion des Personalaufwands sowie niedrigere Rekrutierungskosten. Mittelfristig plant Mount Sinai laut Goodman, die Plattform auch für das Matching außerhalb der Onkologie zu erproten.