Dieses Projekt zielt darauf ab, einen Algorithmus der künstlichen Intelligenz (KI) zu entwickeln, der in der Lage ist, den Mutationsstatus des Gens Isocitrat-Dehydrogenase (IDH) in aggressiven primären Hirntumoren (Gliomen) vorherzusagen. Der IDH-Mutationsstatus ist ein wichtiger prognostischer und therapeutischer Marker, da Gliome ohne IDH-Mutation (= Glioblastome) aggressiver sind und von einer radikaleren Tumorresektion profitieren. Derzeit werden diese Informationen durch eine postoperative histopathologische und molekulare Analyse des Tumorgewebes gewonnen, die bis zu einer Woche dauern kann. Dieser Ansatz nutzt zwei routinemäßig verfügbare medizinische Datenquellen: präoperative MRT-Aufnahmen und intraoperativ entnommene und digitalisierte histopathologische Schnellschnitte. Durch das Training des KI-Modells auf makroskopischen und mikroskopischen Merkmalen soll eine schnelle und zuverlässige Vorhersage des IDH-Mutationsstatus bereits intraoperativ ermöglicht werden. Das Team verfügt über eine umfangreiche, kuratierte Datenbank (BraTUM) mit MRT-Bilddaten und klinischen Parametern von 500 Patientinnen und Patienten mit histologisch gesicherten hochgradigen Gliomen sowie über digitalisierte histologische Schnittbilder, die im Rahmen der Tumorresektion gewonnen wurden. Darüber hinaus steht ein validierter, hochentwickelter Segmentierungsalgorithmus zur Verfügung, der präzise und automatisiert die verschiedenen Tumorareale in MRT-Aufnahmen abgrenzen kann. Dies ist eine wesentliche Grundlage für die Bildanalysen und deren Integration mit histologischen Merkmalen mittels KI-Algorithmen. Eine Schlüsselinnovation dieses Projekts ist das Potenzial, während der Operation diagnostische Ergebnisse nahezu in Echtzeit zu liefern. Dies wäre ein bedeutender Schritt in Richtung personalisierter Neurochirurgie, bei der intraoperative Entscheidungen - wie das Ausmaß der Tumorresektion - von molekularen Tumormerkmalen geleitet werden könnten.