Die CAR-T-Zelltherapie ist eine innovative Krebsbehandlung, bei der die T-Zellen eines Patienten gentechnisch so verändert werden, dass sie Krebszellen gezielt erkennen und zerstören können. Sie wird häufig als letzte Behandlungsoption bei bestimmten Formen von Leukämie und Lymphom eingesetzt. Eine häufige Nebenwirkung dieser Therapie ist jedoch das ICANS-Syndrom (Immune Effector Cell-Associated Neurotoxicity Syndrome), eine Form der Hirntoxizität, die zu Verwirrung, Krampfanfällen oder sogar lebensbedrohlichen Hirnschwellungen führen kann. Etwa ein Viertel aller Patientinnen und Patienten entwickelt nach CAR-T eine Form von Neurotoxizität – bislang ohne verlässliche Möglichkeit zur Vorhersage. Ziel dieses Projekts ist es, prätherapeutische MRT-Hirnscans und klinische Daten zu analysieren, um Frühzeichen zu identifizieren, die auf ein erhöhtes ICANS-Risiko hinweisen. Die zentrale Hypothese: Patientinnen und Patienten mit Anzeichen von Hirnfrailty – wie beschleunigter Hirnalterung oder kleinen Gefäßschäden – sind anfälliger für neurotoxische Nebenwirkungen. Mithilfe moderner, quelloffener KI-Tools werden MRT-Merkmale wie Atrophie, Mikroangiopathie und Hirnalter quantifiziert und mit klinischen Parametern kombiniert. Durch maschinelles Lernen entsteht ein prädiktives Modell, das gefährdete Patientinnen und Patienten bereits vor der Therapie identifizieren kann. Langfristig sollen so individuelle Vorsorgestrategien ermöglicht und die Sicherheit der CAR-T-Zelltherapie deutlich erhöht werden.