Entwicklung eines digitalen Therapieempfehlungs-Algorithmus zur Therapie metastasierter Mammakarzinome und Validierung der Empfehlungssicherheit durch Vergleich mit den Empfehlungen eines interdisziplinären Tumorboards eines universitären Brustzentrums

Der Stellenwert von Tumorboards, die sowohl vom Nationalen Krebsplan als auch von onkologischen Fachgesellschaften als Standard in der Behandlung onkologischer Patienten gefordert werden, konnte in den vergangenen Jahren wissenschaftlich vielfach untermauert werden. Dabei stellt in der Praxis die zunehmende Komplexität onkologischer Therapien die behandelnden Ärzte der einzelnen Fachrichtungen in den Tumorkonferenzen vor eine enorme Herausforderung. Insbesondere die zur Zertifizierung als Krebszentrum erforderliche Vorstellung aller Patienten in einem Tumorboard führt in der Realität häufig zu einem sehr ungünstigen Verhältnis von Fallzahl zu vorhandener Zeit. Ein sinnvoller Ansatz könnte hier eine digitale Entscheidungsunterstützung („Digital Decision Support“) bieten. Eine automatisierte Therapieempfehlung für definierte Standardfälle könnte Tumorboards quantitativ entlasten und hierdurch mehr Raum zur Diskussion komplexer Fälle ermöglichen. In einer retrospektiven Analyse wurden die Empfehlungen des M1 Tumorboard Mammakarzinom des CIO der Uniklinik Köln mit den Therapieempfehlungen eines zuvor entwickelten Experten-kuratierten Digital Support Systems verglichen. Hierfür wurde für alle eingeschlossenen Fälle anhand der in der Tumorboard-Anmeldung angegebenen Informationen zunächst eine digitale Therapieempfehlung ermittelt. Diese wurde mit der originalen Tumorboardempfehlung auf Übereinstimmung verglichen. Analysiert wurden Übereinstimmungsraten sowie Gründe für Diskonkordanzen und Studienausschluss. Im Anschluss wurden mögliche Fehler im Therapiealgorithmus identifiziert, dieser entsprechend modifiziert und mit einem aktuellen Datensatz erneut validiert. Die Übereinstimmungsraten beider Algorithmen wurden mittels Fisher-Test auf Unabhängigkeit überprüft. Zudem wurden Zusammenhänge zwischen Patienten- und Tumormerkmalen und Übereinstimmung mittels binärer logistischer Regression identifiziert. Im ersten Analyseschritt zeigte sich bei Verwendung des Abfragealgorithmus eine vollständige oder teilweise Übereinstimmungsrate von 71 % im Vergleich zu den Empfehlungen des Tumorboards. Wichtige Erkenntnisse für die Anwendung des Therapiealgorithmus lieferte insbesondere die Betrachtung der Gründe für fehlende Übereinstimmungen, die sich zumeist in einer durch einen Rezeptorswitch bedingten Änderung der Histologie oder in klinisch nicht relevanten Abfragen fanden. Um hierdurch entstehenden Fehlern in der Therapiefindung vorzubeugen, wurde der Algorithmus angepasst. Nach Anpassung der Abfragelogik konnte die Gesamtübereinstimmung auf 87 %, in einzelnen Subgruppen sogar bis auf 100 %, verbessert werden. In Analogie zu anderen Studien lassen die Ergebnisse den Rückschluss zu, dass digitale Medien eine gute Möglichkeit bieten, die Therapieentscheidungen wenig komplexer Standardfälle zu unterstützen und sich die dahinterstehende Abfragelogik als Grundlage für ein „Digital Support System“ eignen. Komplexe Erkrankungen, insbesondere solche, die sich im metastasierten Stadium jenseits der Erstlinientherapie befinden, werden von dem Therapiealgorithmus nicht erfasst und bedürfen weiterhin einer interdisziplinären Diskussion im Tumorboard. Die Studie untermauert zudem die Notwendigkeit der regelmäßigen Validierung digitaler Systeme, die zu einer Identifikation von Fehlern führt und inhaltlich nicht korrekte Therapieempfehlungen verhindern kann