Die Krebsforschung und Therapieplanung stützen sich zunehmend auf die Kombination klinischer, pathologischer und molekularer Daten. Diese können die Diagnosefindung und die Behandlungsplanung verbessern, doch die Durchführung aller verfügbaren Tests bei allen Patientinnen und Patienten ist kostspielig, zeitaufwendig und oft überflüssig. Aktuelle KI-Systeme gehen in der Regel davon aus, dass alle Daten bereits vorliegen, und spiegeln daher nicht die tatsächlichen klinischen Arbeitsabläufe wider, in denen schrittweise entschieden wird, welche zusätzlichen Tests tatsächlich erforderlich sind. Ziel des Vorhabens VISTA-Onco ist die Entwicklung eines KI-basierten Systems zur dynamischen, patientenspezifisch optimierten Auswahl diagnostischer Methoden in der Onkologie. Das System soll multimodale Daten – darunter klinische Informationen, Histopathologie und molekulare Profile – schrittweise auswerten und nur diejenigen zusätzlichen Untersuchungen empfehlen, die mit hoher Wahrscheinlichkeit einen relevanten diagnostischen, prognostischen oder therapeutischen Mehrwert liefern. Das Projekt baut zunächst eine harmonisierte Datenbank aus bestehenden Patientenkohorten auf. Darauf basierend werden KI-Modelle entwickelt, die auch bei unvollständigen Daten klinische Vorhersagen ermöglichen, den nützlichsten Folge-Test für Patientinnen und Patienten ermitteln und diese Empfehlung transparent erklären. Das System wird anschließend in unabhängigen Kohorten validiert und soll als benutzerfreundlicher Software-Assistent bereitgestellt werden. Die Technische Universität Berlin leitet in dem Projekt die adaptive Modalitätserfassung mit transparenten und interpretierbaren Entscheidungsmechanismen.