Neue KI betrachtet Krebsdiagnostik im Verlauf

Mehr als eine Momentaufnahme eines Patienten soll entstehen, wenn neue KI-Modelle histopathologische Bilder dynamisch mit molekularen Messdaten und klinischen Informationen integrieren.

Wenn Onkologen einen Krebspatienten beurteilen, greifen sie auf verschiedene Arten von Informationen zurück, darunter Befunde aus histopathologischen Untersuchungen, molekulare Analysen des Tumors, Laborergebnisse und weitere klinische Daten. Viele KI-Systeme untersuchen diese Datenquellen getrennt voneinander, während bestehende multimodale Modelle häufig alle verfügbaren Informationen als eine feste Momentaufnahme des Patienten behandeln.

Dynamischen Prozess abbilden

In der klinischen Praxis entwickelt sich das Bild eines individuellen Patienten jedoch weiter, sobald neue Befunde verfügbar werden. Ein neues Forschungskonsortium möchte diesen dynamischen Prozess abbilden, indem es KI-Systeme entwickelt, die unterschiedliche Datenquellen integrieren und sich an die Informationen anpassen, die in jeder Phase des diagnostischen Weges eines Patienten verfügbar sind.

Für Patienten könnte dies bedeuten, dass Onkologen KI-gestützte Beurteilungen erhalten, die das sich kontinuierlich entwickelnde Bild ihrer Erkrankung besser berücksichtigen. Bevor ein solcher Ansatz für den klinischen Einsatz in Betracht gezogen werden kann, sind jedoch weitere Forschungs- und Validierungsschritte erforderlich.

Erprobung im klinischen Alltag

„Ich freue mich besonders darüber, dass die Förderung es uns ermöglicht, unser entwickeltes System in einem realen klinischen Umfeld zu erproben“, sagt Dr. Mina Jamshidi Idaji, Postdoktorandin in der Machine Learning Group bei BIFOLD und der TU Berlin, die das Forschungskonsortium leitet. „Unser Konsortium profitiert sehr von der Beteiligung von Kliniker*innen, die direkt in der onkologischen Diagnostik tätig sind und umfangreiche medizinische Erfahrung in das Projekt einbringen.“

Die Förderung wurde im Rahmen der Nachwuchskonsortien-Förderlinie „Zukunft eHealth“ des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR) vergeben. Das Projekt startet am 1. Oktober 2026 und läuft über drei Jahre. Zum Konsortium gehören außerdem Prof. Philipp Jurmeister von der Ludwig-Maximilians-Universität München (LMU) und Prof. Michael Bockmayr vom Universitätsklinikum Hamburg-Eppendorf (UKE).

Zukunft eHealth

Die Nachwuchskonsortien-Förderlinie „Zukunft eHealth“ zielt darauf ab, digitale Innovationen in der Gesundheitsforschung voranzutreiben und die wissenschaftliche Unabhängigkeit von Nachwuchsforschenden zu stärken. Sie verfolgt zwei Ziele: Erstens sollen computergestützte Methoden wie KI, Simulationen und datengetriebene Modelle entwickelt werden, um biomedizinische Erkenntnisse und Vorhersagen für Patienten zu verbessern. Zweitens ermöglicht die Förderung herausragenden Postdoktoranden, interdisziplinäre Forschungskonsortien eigenständig zu leiten und sich in der deutschen Forschungslandschaft zu etablieren.

Dr. Mina Jamshidi Idaji

Dr. Mina Jamshidi Idaji ist derzeit Postdoktorandin in der Machine Learning Group von BIFOLD von BIFOLD-Co-Direktor Prof. Klaus-Robert Müller. Ihre Forschung konzentriert sich auf Methoden des Maschinellen Lernens für Anwendungen im Gesundheitswesen, darunter Computational Pathology, Ophthalmologie und biomedizinische Signalverarbeitung, mit einem Schwerpunkt auf interpretierbaren und robusten KI-Pipelines.

Mehr zu Krebsdiagnostik:

Urin-Biomarker könnten nicht invasive Diagnose des Nierenzellkarzinoms ermöglichen

Frühzeitige PSMA-PET/CT könnte Biopsien bei Verdacht auf Prostatakrebs reduzieren