Mit der Verbreitung bildgebender Untersuchungen und der beschleunigten Bevölkerungsalterung ist die Erkennungsrate von Pankreastumoren deutlich gestiegen. Verschiedene Typen von Pankreastumoren unterscheiden sich erheblich im biologischen Verhalten und im Patientenprognose, weshalb eine präzise Diagnostik und Risikostratifizierung in der Klinik dringend erforderlich sind. In den letzten Jahren haben KI-Technologien wie Radiomics, Deep Learning und Multi-Omics-Fusion die Frühentdeckung, Subtypdifferenzierung und Prognosebewertung von Pankreastumoren deutlich verbessert. Repräsentative Systeme für die Frühdiagnose erreichen eine Fläche unter der Kurve (AUC) von über 0,98, und multi-omische KI-Modelle verbessern effektiv die Vorhersage individualisierter Therapien. Dennoch begrenzen mangelnder Datenaustausch und die Erklärbarkeit der Modelle weiterhin ihre klinische Anwendung. Zukünftig sollten Standardisierung, Erklärbarkeitsforschung und multizentrische klinische Validierung verstärkt werden, um die präzise Diagnose und Therapie von Pankreastumoren mittels KI voranzutreiben.

Pankreastumoren;Künstliche Intelligenz;Radiomics;Deep Learning