dpa-AFX Compact

EQS-News: KI in der klinischen Krebsforschung: Novartis und Friedrich-Alexander-Universität Erlangen-Nürnberg erzielen Fortschritt in der Entwicklung Digitaler Zwillinge (deutsch)

11.08.2025
um 09:15 Uhr

KI in der klinischen Krebsforschung: Novartis und Friedrich-Alexander-Universität Erlangen-Nürnberg erzielen Fortschritt in der Entwicklung Digitaler Zwillinge

^
EQS-News: Novartis Pharma GmbH / Schlagwort(e): Studie
KI in der klinischen Krebsforschung: Novartis und
Friedrich-Alexander-Universität Erlangen-Nürnberg erzielen Fortschritt in
der Entwicklung Digitaler Zwillinge

11.08.2025 / 09:15 CET/CEST
Für den Inhalt der Mitteilung ist der Emittent / Herausgeber verantwortlich.

---------------------------------------------------------------------------

MEDIENMITTEILUNG

KI in der klinischen Krebsforschung: Novartis und
Friedrich-Alexander-Universität Erlangen-Nürnberg erzielen Fortschritt in
der Entwicklung Digitaler Zwillinge

* Positive Studienergebnisse bilden Basis für die Weiterentwicklung
virtueller Patient*innenmodelle in der klinischen Forschung von Novartis

* Machine-Learning (ML)-Modelle erreichen hohe Prognosesicherheit bei
Gesamtüberleben (OS) und progressionsfreier Überlebenszeit (PFS)

* Künstliche Intelligenz (KI)-basierte Analyse identifiziert wichtige
klinische Prädiktoren und ermöglicht transparente klinische
Interpretation der Daten

* Die Arbeit besitzt hohe strategische Relevanz und demonstriert, wie
harmonisierte Daten und KI die Präzisionsmedizin voranbringen können

* Veröffentlichung der Studienergebnisse in der Fachpublikation Computer
Science von Springer Nature

Nürnberg, 11. August 2025 - Die klinische Krebsforschung erfährt durch den
Einsatz von Künstlicher Intelligenz (KI) einen bedeutenden Fortschritt.
Novartis Deutschland entwickelt gemeinsam mit dem Lehrstuhl von Prof. Dr.
Björn Eskofier für Maschinelles Lernen und Datenanalytik der
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) im Rahmen eines
vierjährigen Forschungsprojekts auf Basis von KI und anonymisierten
Gesundheitsdaten sogenannte Digitale Zwillinge. Diese virtuellen Abbilder
realer Patient*innen sollen in klinischen Krebsstudien als virtuelle
Kontrollgruppen dienen und herkömmliche Kontrollgruppen ergänzen oder sogar
ersetzen. Dadurch könnten sich potenzielle Wirkstoffe schneller und
gezielter testen lassen und reale Patient*innen schnelleren Zugang zu neuen
Therapien erhalten. In einer aktuellen Studie wurde dieses digitale Modell
nun erfolgreich getestet und weiterentwickelt.

"Digitale Zwillinge und KI eröffnen völlig neue Möglichkeiten in der
klinischen Forschung. Sie bieten Vorteile für teilnehmende Patient*innen und
helfen uns, Studien effizienter zu gestalten und die Aussagekraft der
Ergebnisse zu erhöhen," erklärt Dr. Benjamin Gmeiner, Head of Medical Data
Strategy & Science bei Novartis Deutschland. "Die positiven Ergebnisse
unserer aktuellen Studie markieren einen wichtigen ersten Meilenstein in der
Umsetzung der Digital-Twin-Strategie von Novartis für die klinische
Forschung."

Zukunftsweisende Lösung: Digitale Zwillinge

Klinische Forschung ist die Voraussetzung, um Patient*innen mit innovativen
Therapien zu versorgen. Die Rekrutierung von Studienteilnehmer*innen ist
jedoch herausfordernd, da Proband*innen je nach Studiendesign nicht wissen,
ob sie die neue Therapie oder als Kontrollgruppe die Standardtherapie oder
ein Placebo erhalten. Diese Unsicherheit kann dazu führen, dass Teilnehmende
die Studie vorzeitig abbrechen, was die Aussagekraft der Daten mindert und
im schlimmsten Fall zum Abbruch von Studien führen kann - ein erheblicher
Verlust für Patient*innen, Gesellschaft und Wissenschaft. Die Bildung
virtueller Kontrollgruppen aus Digitalen Zwillingen soll die Notwendigkeit
realer Patient*innen in Kontrollgruppen reduzieren und dadurch die
Bedingungen für die Teilnahme an klinischen Prüfungen zum Vorteil der
Patient*innen verbessern.

Digitale Zwillinge sind virtuelle Abbilder, bei denen anonymisierte Daten
realer Patient*innen mithilfe von KI und moderner Simulationstechnologie
virtualisiert werden. So entsteht ein digitales Patientenprofil mit
sämtlichen individuellen Merkmalen, von Alter, Größe und Geschlecht über
genetische Informationen bis zur medizinischen Vorgeschichte. Anhand dieser
Daten können KI- und ML-Methoden Studienergebnisse für Kontrollgruppen
errechnen und prognostizieren. So sollen Digitale Zwillinge helfen, die
Studienrekrutierung zu verbessern, Studienabbrüche zu vermeiden, Datenlücken
zu schließen und die Vergleichbarkeit von Daten zu verbessern. Dies gilt
insbesondere bei Studien zu seltenen Erkrankungen, die weniger als 5 von
10.000 Menschen betreffen, oder wenn ethische Gründe die Durchführung
klassischer Studien erschweren.

Aktuelle Studie: KI-basierte Prognosemodelle erfolgreich entwickelt und
getestet

Zur Entwicklung des digitalen Zwillingsmodells und zur Überprüfung seiner
Genauigkeit wurden in einer aktuellen Forschungsarbeit verschiedene
Machine-Learning (ML)-basierte Modelle zur Prognose der Überlebenszeit
untersucht. Die Studie entstand in Zusammenarbeit von Novartis, der FAU und
dem "Institute of AI for Health" des Helmholtz Zentrums, München. Die
Ergebnisse wurden unter dem Titel " Machine Learning Predictions of Overall
and Progression-Free Survival in Advanced Breast Cancer" in Springer Nature
("Lecture Notes in Computer Science") veröffentlicht und auf der 23.
International Conference on Artificial Intelligence in Medicine (AIME 2025)
präsentiert.

Ziel der Studie war die Bewertung der Prognosesicherheit für das
Gesamtüberleben (Overall Survival, OS) und die progressionsfreien
Überlebenszeit (Progression-Free Survival, PFS) über einen Zeitraum von 6
bis 36 Monaten bei Patientinnen mit fortgeschrittenem Brustkrebs, die mit
einem neuartigen Krebsmedikament behandelt werden. Gemäß der
Studienergebnisse erzielten die eingesetzten ML- und KI-Modelle eine hohe
Prognosesicherheit bei den untersuchten Überlebensdaten und identifizierten
wichtige klinische Prädiktoren.

"Die Studie hat gezeigt wie KI-Modelle auf Basis von klinischen Studien- und
Real-World-Daten präzise Vorhersagen zum Gesamtüberleben (OS) und
progressionsfreien Überleben (PFS) bei Patientinnen ermöglichen können",
erklärt Prof. Dr. Björn Eskofier, Leiter des Lehrstuhls für Maschinelles
Lernen und Datenanalytik an der FAU. "Die im Rahmen der Studie entwickelten
Prognosemodelle bilden essenzielle Bausteine des Digitalen
Zwillings-Modells. Die Arbeit besitzt daher hohe strategische Relevanz und
demonstriert, wie harmonisierte Daten und KI die Präzisionsmedizin
voranbringen können."

Zum Vergleich der Vorhersageleistung kamen verschiedene
Überlebensanalysemodelle zum Einsatz, die unterschiedliche Methoden
repräsentieren. Dazu gehörten Cox Proportional Hazards (CoxPH), Coxnet,
Random Survival Forest (RSF), Extra Survival Trees (EST), Gradient Boosting
Survival Analysis (GBSA) und Survival Support Vector Machines (SSVM). Die
Modelle basierten auf zwei harmonisierten Datensätzen aus deutschen
interventionellen Phase III und nicht-interventionellen Studien: RIBECCA und
RIBANNA. Die genauesten Ergebnisse zum Gesamtüberleben wurden bei 12 Monaten
mit dem Cox Proportional Hazards Modell (C-Index 0,720) und die besten
PFS-Ergebnisse bei 6 Monaten mit dem GMSA-Modell (C-Index 0,728) erzielt.

Für die Modelle mit der besten Prognoseleistung wurde zusätzlich das
Verfahren "SHapley Additive exPlanations" (SHAP), genutzt, um die zehn
einflussreichsten Vorhersagevariable, sogenannte Prädiktoren, zu
identifizieren und die Modellvorhersagen nachvollziehbar zu machen.
Prädiktoren sind Werte, die eine Vorhersage über ein bestimmtes Ereignis
ermöglichen, z.B. das Eintreten einer Erkrankung. Zu den in der Studie
identifizierten Prädiktoren zählen unter anderem das Vorhandensein von
Lebermetastasen, frühere medizinische Behandlungen, Behandlungsschemata und
Lebensqualitäts-Scores.

Zukünftige Forschungsarbeiten sollen sich nun darauf konzentrieren,
zusätzliche zeitabhängige Einflussfaktoren in die Modelle zu integrieren und
externe Validierungen durchzuführen, um die Übertragbarkeit auf andere
Indikationen zu prüfen. Ziel ist es, klinische Prüfungen mit digitalen
Zwillingen von den zuständigen Behörden zunächst auf Einzelfallbasis prüfen
zu lassen.

Über die Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Lehrstuhl
für Maschinelles Lernen und Datenanalytik

Die FAU hat eine lange Tradition in der Forschung zu Künstlicher Intelligenz
(KI) und Maschinellem Lernen (ML), mit dem ersten Lehrstuhl für KI seit
1975. Heute sind mehr als 60 Lehrstühle mit KI-Themen beschäftigt, darunter
der Lehrstuhl für Maschinelles Lernen und Datenanalytik. Über 40
Mitarbeitende analysieren hier die wachsenden Datenmengen der
Digitalisierung mithilfe von KI und ML, und wandeln sie in wertvolles Wissen
um.

Über Novartis

Novartis ist ein Unternehmen, das sich auf innovative Arzneimittel
konzentriert. Jeden Tag arbeiten wir daran, Medizin neu zu denken, um das
Leben der Menschen zu verbessern und zu verlängern, damit Patient*innen,
medizinisches Fachpersonal und die Gesellschaft in der Lage sind, schwere
Krankheiten zu bewältigen. Unsere Medikamente erreichen wir fast 300
Millionen Menschen weltweit. In Deutschland beschäftigt Novartis rund 2.700
Mitarbeitende an sechs Standorten.

Entdecken Sie mit uns die Medizin neu: Besuchen Sie uns unter
www.novartis.de und bleiben Sie mit uns auf LinkedIn und YouTube in
Verbindung.

Weiterführende Publikationen

* Fasching, P.A. et al, European J. Cancer. 198 (2024)

* Lüftner, D., et al.: Results of fourth interim analysis (IA) from
RIBANNA (2024)

* Merzhevich, T., Tanzanakis, A., Salin, E., Quiering, C., Kurz, C.,
Gmeiner, B., & Eskofier, B. M. (2025, June). Machine Learning
Predictions of Overall and Progression-Free Survival in Advanced Breast
Cancer. In: International Conference on Artificial Intelligence in
Medicine (pp. 267-271). Cham: Springer Nature Switzerland.

# # #

Pressekontakt Novartis Deutschland

Katja Minak [1]Katja.minak@novartis.com Julia Carl
Novartis Pharma GmbH [1]Julia.carl@novartis.com
[2]presse.deutschland@novartis.com 1.
Sophie-Germain-Straße 10 90443 Nürnberg mailto:Julia.carl@novar
[3]www.novartis.de 1. tis.com
mailto:Katja.minak@novartis.com 2.
mailto:presse.deutschland@novartis.com 3.
http://www.novartis.de/

---------------------------------------------------------------------------

11.08.2025 CET/CEST Veröffentlichung einer Corporate News/Finanznachricht,
übermittelt durch EQS News - ein Service der EQS Group.
Für den Inhalt der Mitteilung ist der Emittent / Herausgeber verantwortlich.

Die EQS Distributionsservices umfassen gesetzliche Meldepflichten, Corporate
News/Finanznachrichten und Pressemitteilungen.
Medienarchiv unter https://eqs-news.com

---------------------------------------------------------------------------

2181126 11.08.2025 CET/CEST

°