„Digitaler Zwilling“ gegen Krebs

Künstliche Intelligenz in der Tumorforschung!

ERLANGEN (pm/mue) - Mit künstlicher Intelligenz sollen Daten von Tumorpatienten so aufbereitet werden, dass sie sowohl die Grundlagenforschung als auch die Planung individueller Therapien unterstützen können.

Das ist das Ziel eines gemeinsamen Projektes von Forschern der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und des Uniklinikums Erlangen. HANCOCK, so der Name des Vorhabens, wird vom Bundesministerium für Bildung und Forschung (BMBF) für die kommenden anderthalb Jahre mit 250.000 Euro gefördert.

Zwar werden Ergebnisse medizinischer Bildgebung oder Laborwerte in Pilotprojekten bereits erfolgreich analysiert und genutzt, „es gibt jedoch Informationen, die deutlich schwerer auszuwerten sind“, so Prof. Dr. Andreas Kist, Spezialist für Artificial Intelligence in Communication Disorders an der FAU. „Ein Beispiel dafür sind Arztbriefe und andere Freitexte in klinischen Dokumentationen.“ Gemeinsam mit PD Dr. Antoniu-Oreste Gostian, Geschäftsführender Oberarzt der HNO-Klinik, und Dr. Markus Eckstein vom Pathologischen Institut des Uniklinikums Erlangen will Kist auch solche Informationen nutzbar machen. Im kürzlich gestarteten Projekt „HANCOCK“ soll dafür ein umfassender multimodaler Datensatz entstehen, der die Erforschung und Therapie von Kopf-Hals-Tumoren auf eine neue Stufe hebt.

Selbstlernende Algorithmen

Die klinischen Berichte werden dabei als Klartexte gespeichert, zugleich entwickelt Andreas Kist selbstlernende Algorithmen, die wichtige Details extrahieren und für vergleichende Analysen nutzbar machen sollen. „Stellen Sie sich vor, Sie können aus den verschiedenen Patientendaten – von Laborwerten und histologischen Bildern über Therapieverläufe und Überlebensraten bis hin zu Alter, Lebensgewohnheiten, familiärem Hintergrund und Vorerkrankungen – belastbare Muster ableiten. Dann erhalten Sie für künftige Patienten eine Art digitalen Zwilling, der für personalisierte Behandlungspläne herangezogen werden könnte.“ Die Präzisionsonkologie sei auf zuverlässige prädiktive Biomarker angewiesen – und für die wiederum brauche es ebengut organisierte, umfassende und klinisch fundierte Datensätze. Mehr Informationen unter:
www.fau.de