Verbund

PROSurvival - Überlebensvorhersage für Prostatakrebspatienten mithilfe von föderiertem maschinellem Lernen und prädiktiven morphologischen Mustern

In der modernen Krebsforschung fallen immer umfangreichere Datensätze an (Big Data). Die Daten stammen aus molekularen und biochemischen Analysen, modernen Bildgebungsverfahren, klinischen Studien oder bilden Krankheitsverläufe von Patientinnen und Patienten ab. Diese Datenschätze gilt es in Zukunft zu heben. Neue computergestützte Ansätze der Datennutzung, modernste Methoden der Künstlichen Intelligenz (KI), des Maschinellen Lernens und der Statistik haben einen hohen Stellenwert für die verbesserte Analyse und Extraktion forschungsrelevanter Informationen. Mit dieser Förderrichtlinie im Rahmen der Nationalen Dekade gegen Krebs beabsichtigt das BMBF Forschungsgruppen aus dem Bereich der Datenanalyse einen niederschwelligen Zugang zu hochqualitativen Daten aus der translationalen, biomedizinischen Krebsforschung und der onkologischen Routineversorgung zu ermöglichen. Zeitgleich arbeiten Forschende aus den Bereichen der Datengewinnung und Datenanalyse eng zusammen, um miteinander klinisch relevante onkologische Fragen anzugehen. Darüber hinaus soll die Kultur des Datenteilens für Forschungszwecke gefördert werden.

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Patienten mit Prostatakrebs (PCa) präziser vorherzusagen. Langfristig soll ein umfassender, standortübergreifender, digitaler Datensatz von PCa-Proben generiert werden, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin bei PCa zu unterstützen. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von KI-Modellen Daten von mehreren Standorten erforderlich sind. Oft können diese jedoch aufgrund von Datenschutzbestimmungen nicht gemeinsam genutzt werden. Daher werden föderierte KI-Modelle entwickelt. Solche Modelle nutzen die Patientengeschichte und die klinischen Daten in Kombination mit öffentlich verfügbaren Daten. PROSurvival wird eine datenschutzkonforme föderierte Infrastruktur einrichten, um den Fundus an klinischen Routinedaten zu nutzen. Die Bilddaten sollen mithilfe von klinisch relevanten Musterinformationen verdichtet werden, was die Komplexität des Datensatzes reduzieren und die Analyse mit handelsüblicher Hardware erleichtern wird.

Teilprojekte

Standort Oldenburg

Förderkennzeichen: 01KD2213A
Gesamte Fördersumme: 296.654 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Dr. Marco Eichelberg
Adresse: OFFIS e.V.
Escherweg 2
26121 Oldenburg

Standort Oldenburg

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Prostatakrebspatienten allein auf der Grundlage von Färbemustern vorherzusagen, ohne dass genomische Analysen oder eine explizite Bestimmung des Gleason-Grades erforderlich sind. Der Gleason-Grad, derzeit der wichtigste prognostische Faktor für Prostatakrebs und entscheidend für Behandlungsentscheidungen, ist aber sehr subjektiv, was sich in einer hohen Variabilität der von Pathologen gemeldeten Grade widerspiegelt und zu Unter- und Überdiagnosen von Prostatakrebs führt. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von Künstlichen Intelligenz (KI)-Modellen, die sich auf ungesehene Daten verallgemeinern lassen, Daten von mehreren Standorten erforderlich sind. Ergebnisdaten können jedoch aufgrund von Datenschutzbedenken oft nicht gemeinsam genutzt werden. Um dieses Hindernis beim Datenzugang zu überwinden, werden föderierte KI-Modelle entwickelt, die die Patientenhistorie und klinisch-pathologische Daten vor Ort in Kombination mit öffentlich verfügbaren Daten nutzen. PROSurvival wird eine datenschutzkonforme föderierte Lerninfrastruktur einrichten, die ein globales Modell aus lokalen Daten erlernt, um den Fundus an klinischen Routinedaten zu nutzen, ohne die Privatsphäre der Patienten zu gefährden. Wir verdichten die Bilddaten auf klinisch relevante Musterinformationen, was die Komplexität des Datensatzes reduziert und die Analyse mit handelsüblicher Hardware erleichtert. Das langfristige Ziel ist es, einen umfassenden, standortübergreifenden, digitalen Datensatz von PCa-Proben durch modernste Datenzugriffstechniken und eine Rechenumgebung zu generieren, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin zu unterstützen.

Standort München

Förderkennzeichen: 01KD2213B
Gesamte Fördersumme: 528.304 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Dr. Johannes Lotz
Adresse: Fraunhofer-Institut für Digitale Medizin (MEVIS)
Max-von-Laue-Str. 2
28359 Bremen

Standort München

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Prostatakrebspatienten allein auf der Grundlage von Färbemustern vorherzusagen, ohne dass genomische Analysen oder eine explizite Bestimmung des Gleason-Grades erforderlich sind. Der Gleason-Grad, , derzeit der wichtigste prognostische Faktor für Prostatakrebs und entscheidend für Behandlungsentscheidungen, ist aber sehr subjektiv, was sich in einer hohen Variabilität der von Pathologen gemeldeten Grade widerspiegelt und zu Unter- und Überdiagnosen von Prostatakrebs führt. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von Künstlichen Intelligenz (KI)-Modellen, die sich auf ungesehene Daten verallgemeinern lassen, Daten von mehreren Standorten erforderlich sind. Ergebnisdaten können jedoch aufgrund von Datenschutzbedenken oft nicht gemeinsam genutzt werden. Um dieses Hindernis beim Datenzugang zu überwinden, werden föderierte KI-Modelle entwickelt, die die Patientenhistorie und klinisch-pathologische Daten vor Ort in Kombination mit öffentlich verfügbaren Daten nutzen.

Standort Frankfurt a.M.

Förderkennzeichen: 01KD2213C
Gesamte Fördersumme: 302.383 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Prof. Dr. Peter Wild
Adresse: Johann Wolfgang Goethe-Universität Frankfurt am Main, FB 16 Medizin und Klinikum, Dr. Senckenbergische Anatomie, Anatomie II, Experimentelle Neurobiologie
Theodor-Stern-Kai 7
60596 Frankfurt am Main

Standort Frankfurt a.M.

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Prostatakrebspatienten allein auf der Grundlage von Färbemustern vorherzusagen, ohne dass genomische Analysen oder eine explizite Bestimmung des Gleason-Grades erforderlich sind. Der Gleason-Grad, derzeit der wichtigste prognostische Faktor für Prostatakrebs und entscheidend für Behandlungsentscheidungen, ist aber sehr subjektiv, was sich in einer hohen Variabilität der von Pathologen gemeldeten Grade widerspiegelt und zu Unter- und Überdiagnosen von Prostatakrebs führt. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von Künstliche Intelligenz (KI)-Modellen, die sich auf ungesehene Daten verallgemeinern lassen, Daten von mehreren Standorten erforderlich sind. Ergebnisdaten können jedoch aufgrund von Datenschutzbedenken oft nicht gemeinsam genutzt werden. Um dieses Hindernis beim Datenzugang zu überwinden, werden föderierte KI-Modelle entwickelt, die die Patientenhistorie und klinisch-pathologische Daten vor Ort in Kombination mit öffentlich verfügbaren Daten nutzen. PROSurvival wird eine datenschutzkonforme föderierte Lerninfrastruktur einrichten, die ein globales Modell aus lokalen Daten erlernt, um den Fundus an klinischen Routinedaten zu nutzen, ohne die Privatsphäre der Patienten zu gefährden. Die Bilddaten werden auf klinisch relevante Musterinformationen verdichtet, was die Komplexität des Datensatzes reduziert und die Analyse mit handelsüblicher Hardware erleichtert. Das langfristige Ziel ist es, einen umfassenden, standortübergreifenden, digitalen Datensatz von Prostatakrebs-Proben durch modernste Datenzugriffstechniken und eine Rechenumgebung zu generieren, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin zu unterstützen.

Standort Berlin

Förderkennzeichen: 01KD2213D
Gesamte Fördersumme: 301.038 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Dipl.-Ing. Norman Zerbe
Adresse: Charité - Universitätsmedizin Berlin, Institut für Pathologie
Charitéplatz 1
10117 Berlin

Standort Berlin

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Prostatakrebspatienten allein auf der Grundlage von Färbemustern vorherzusagen, ohne dass genomische Analysen oder eine explizite Bestimmung des Gleason-Grades erforderlich sind. Der Gleason-Grad, derzeit der wichtigste prognostische Faktor für Prostatakrebs und entscheidend für Behandlungsentscheidungen, ist aber sehr subjektiv, was sich in einer hohen Variabilität der von Pathologen gemeldeten Grade widerspiegelt und zu Unter- und Überdiagnosen von Prostatakrebs führt. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von Künstliche Intelligenz (KI)-Modellen, die sich auf ungesehene Daten verallgemeinern lassen, Daten von mehreren Standorten erforderlich sind. Ergebnisdaten können jedoch aufgrund von Datenschutzbedenken oft nicht gemeinsam genutzt werden. Um dieses Hindernis beim Datenzugang zu überwinden, werden föderierte KI-Modelle entwickelt, die die Patientenhistorie und klinisch-pathologische Daten vor Ort in Kombination mit öffentlich verfügbaren Daten nutzen. PROSurvival wird eine datenschutzkonforme föderierte Lerninfrastruktur einrichten, die ein globales Modell aus lokalen Daten erlernt, um den Fundus an klinischen Routinedaten zu nutzen, ohne die Privatsphäre der Patienten zu gefährden. Die Bilddaten werden auf klinisch relevante Musterinformationen verdichtet, was die Komplexität des Datensatzes reduziert und die Analyse mit handelsüblicher Hardware erleichtert. Das langfristige Ziel ist es, einen umfassenden, standortübergreifenden, digitalen Datensatz von Prostatakrebs-Proben durch modernste Datenzugriffstechniken und eine Rechenumgebung zu generieren, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin zu unterstützen.