Das Teilprojekt bereitet klinische Informationen so auf, dass sie für eine nachvollziehbare, KI-gestützte Entscheidungsunterstützung in onkologischen Tumorboards genutzt werden können. In der Krebsversorgung liegen wichtige Informationen oft über viele verschiedene Dokumente verteilt vor, etwa radiologische Befunde, Pathologieberichte, Diagnosen, Tumorstadien, Therapien, Laborwerte, Arztbriefe und Tumorboardbeschlüsse. Ziel ist es, diese in eine maschinenlesbare, strukturierte und interpretierbare Form zu überführen, die den Krankheitsverlauf einer Patientin oder eines Patienten zeitlich und inhaltlich abbildet. Dafür werden relevante medizinische Ereignisse aus rückblickend verfügbaren Datenbeständen erkannt, strukturiert und vereinheitlicht. Darauf aufbauend lernt ein Modell, diese zu einer zusammenhängenden, zeitlich geordneten Darstellung des Krankheitsverlaufs zu verknüpfen, die auch das Ansprechen auf Therapien sowie das Wiederkehren der Erkrankung erfasst. So wird sichtbar, wann welche Diagnose gestellt wurde, welche Behandlung erfolgte, wie sich die Erkrankung im Verlauf veränderte und welche Dokumente und Ereignisse zu dieser Darstellung beigetragen haben. Anschließend wird in simulierten Tumorboard-Situationen geprüft, ob die im Gesamtvorhaben entstehenden Entscheidungsvorlagen für Ärztinnen und Ärzte verständlich, plausibel und praktisch nutzbar sind. Bewertet werden unter anderem die Verständlichkeit, die Vollständigkeit der Informationen, der Bezug zu Leitlinien, die Darstellung von Unsicherheit, die benötigte Vorbereitungszeit sowie die Akzeptanz durch klinische Anwenderinnen und Anwender. Zusätzlich werden patientenseitige Perspektiven einbezogen, etwa zu Transparenz, Verständlichkeit und verantwortungsvoller KI-Nutzung. Die Rückmeldungen helfen, das System schrittweise zu verbessern und sicherzustellen, dass die entwickelten Methoden nicht nur technisch leistungsfähig, sondern auch nachvollziehbar, verantwortungsvoll und praxisnah gestaltet sind.