Teilprojekt eines Verbundes

Nachwuchsgruppe KI-gestützte morphomolekulare Präzisions-Medizin in Neuroonkologie (AI-RON)

Förderkennzeichen: 01ZZ2017
Fördersumme: 765.992 EUR
Förderzeitraum: 2021 - 2024
Projektleitung: Prof. Dr. Till Acker
Adresse: Justus-Liebig-Universität Gießen, Biomedical Informatics and Systems Medicine, Science Unit for Basic and Clinical Medicine
Aulweg 128
35392 Gießen

Hirntumore gehen nicht nur mit großen sozio-ökonomischen Kosten, sondern auch mit hoher psychosozialer Belastung einher, da sie das Organ des Bewusstseins und der Wahrnehmung betreffen. Sie gehören zu den tödlichsten Krebsarten mit wenigen derzeit verfügbaren Therapieoptionen und stellen die zweithäufigste Krebserkrankung bei Kindern dar. In den letzten Jahren hat sich ihr Behandlungsschema durch den Einsatz molekularer Marker mit prognostischer oder prädiktiver Bedeutung zunehmend individualisiert. Mit der Nachwuchsgruppe "AI-RON" soll die nächste Ära der morphomolekularen Diagnostik eingeleitet werden, indem KI-basierte medizininformatische Pipelines entwickelt werden, welche die Diagnose von Hirntumoren in Qualität und Geschwindigkeit verbessern, sowie Therapieansätze personalisieren und effizienter ausrichten sollen. Ziel der Nachwuchsgruppe wird es sein, im Rahmen der Medizininformatik-Initiative eine KI-basierte Präzisionsanalyse von digitalisierten histopathologischen Gewebeschnitten, in Kombination mit hochdimensionalen Omics-Daten und klinischen Metadaten zur Klassifizierung und prognostischen Vorhersagbarkeit von Hirntumoren zu entwickeln. Im Rahmen des Gießener Use Case 2 "Neuroonkologie" des MIRACUM Konsortiums kann auf einen großen Datenpool der beteiligten Standorte zugegriffen werden und aggregierte morphomolekulare und klinische Daten standortübergreifend ausgewertet werden. Die entwickelten Algorithmen werden sich auf die Integration weiterer hochdimensionaler Daten wie Radiomics und anderer Tumorarten ausweiten lassen. Die Nachwuchsgruppe wird damit einen wichtigen Beitrag leisten, das Themenfeld der Medizininformatikinitiative im wichtigen Bereich KI in der Gesundheitsforschung und -versorgung zu stärken, indem sie KI-gestützte Diagnoseverfahren in der pathologischen Routinearbeit voranbringt.