Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort Dresden in der Arbeitsgruppe Klinische Künstliche Intelligenz, die Teil des Else Kröner Fresenius Zentrums für Digitale Gesundheit ist, ist Expertise im Bereich der grundlegenden Entwicklung von KI-Methoden, aber auch der klinischen Evaluation von KI-basierten Biomarkern sowie im Management großer Forschungskonsortien vorhanden. Es wird somit zu all diesen Aspekten des Konsortiums ein Beitrag geleistet. Die Teilprojekte, die methodisch und klinisch orientiert sind und primär von anderen Partnern des Konsortiums geleitet werden, werden durch Dresdner Expertise unterstützt. Das Gesamtkonsortium wird durch die Koordination aus Dresden verwaltet und geführt.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort Aachen sind das Labor für KI in der Medizin der Klinik für Diagnostik und Interventionelle Radiologie sowie das Schneider Lab der Klinik für Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin maßgeblich an mehreren Teilprojekten beteiligt. Die Expertise der beiden Arbeitsgruppen umfasst sowohl die methodische Entwicklung als auch die klinische Anwendung von KI-gestützten Ansätzen. Im Projekt liegt der Fokus auf der Entwicklung und dem Training von Vision-Transformern und Sprachmodellen, der Entwicklung innovativer Erklärungsmaße und Methoden zur kausalen Entdeckung sowie der Unterstützung computergestützter Analysen, Modellkalibrierung und Risikomodellen und der Koordination der Maßnahmen zur Patientenbeteiligung.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort Essen wird die technische Infrastruktur bereitgestellt, um mit einem interoperablen Datensatz aus klinischen Daten die KI-Modelle zu trainieren. Der UME Datenbeauftrage koordiniert die Datensatzpflege und die Befüllung der Infrastruktur mit Datenquellen. Darüberhinaus werden in Essen, in enger Zusammenarbeit mit Aachen, KI-Modelle zur Vorhersage der wahrscheinlichsten Primärtumorlokalisation bei Patientinnen und Patienten mit metastasierter Erkrankung mit Krebs unbekannter Herkunft (CUP) entwickelt und mit Erklärbarkeit bzw. Kausalerkennung interpretierbar gemacht. Für die Validierung werden CUP-Daten generiert.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort TUM (Technische Universität München) liegt der Fokus auf der Anpassung und Optimierung der KI-Modelle für den klinischen Einsatz. Hier wird eine Direct Preference Optimization (DPO) Pipeline entwickelt, um die Übereinstimmung der Modelle mit klinischen Anforderungen und ethischen Standards sicherzustellen. Zudem wird an der TUM eine benutzerfreundliche Schnittstelle für die Interaktion mit den Modellen erstellt, die einem interdisziplinären "Red Team" die Bewertung der Modellausgaben ermöglicht. Ein weiterer Schwerpunkt ist die Optimierung der Modelle für den Einsatz auf gängiger Hardware.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort Mainz erfolgt eine umfangreiche Analyse der uni- und multimodalen Modelle und Identifizierung von Merkmalen und Signaturen, welche mit Metastasierung und Prognose assoziiert sind. Hieraus entsteht ein Risikomodell, welches dann funktionell validiert wird. Dabei werden verschiedene tumorbiologische Signalwege und Prinzipien identifiziert, welche dann grundlagen-wissenschaftlich überprüft werden.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Die derzeit gängige Forschungspraxis vernachlässigt häufig rigorose und angemessene Validierung von Modellen zugunsten der Entwicklung neuer Methoden. Daher fokussiert sich das DKFZ auf die konkrete und systematische Validierung der in DECIPHER-M entwickelten Foundation-Modelle, um einen sicheren Einsatz in der klinischen Praxis zu gewährleisten, neue biologische Erkenntnisse zu gewinnen und potenzielle Ansatzpunkte für gezielte Behandlungen zu bieten.

Obwohl Metastasierung die Todesursache für die meisten Krebspatientinnen und -patienten darstellt, ist unser Verständnis davon sehr unvollständig. DECIPHER-M setzt hier mit einem einzigartigen Ansatz an, bei dem eine neue Form der künstlichen Intelligenz (KI) – die sogenannten multimodalen Foundation-Modelle – zum Einsatz kommt. In diesem Projekt werden diese Modelle eingesetzt, um ein breites Spektrum von Daten, wie radiologische Bilder, pathologische Berichte und genetische Informationen eines Patienten zusammen zu analysieren. Dadurch werden grundlegende Fragen zur Metastasierung beantwortet, z. B. die Mechanismen ihres Auftretens, das Potenzial zur Vorhersage, wer sie wo entwickeln könnte, und welche Art von Behandlung für verschiedene Patienten am wirksamsten sein könnte. Darüber hinaus wird DECIPHER-M die methodischen Grundlagen für praktische Instrumente entwickeln, die auf einzelne Patientinnen und Patienten angewendet werden können, um Screening und Behandlung in Fällen mit hohem Metastasierungsrisiko anzupassen. Konkret zielen diese Werkzeuge darauf ab, die wirksamste Behandlung für einzelne Patienten mit metastasierender Erkrankung vorherzusagen, damit diese Patientinnen und Patienten effektiver behandelt werden können. Am Standort Helmholtz München erfolgt die Entwicklung der großen Basismodelle, die multimodale medizinische Daten durch Training erlernen, weiter verknüpfen und repräsentieren. Umfassendes medizinisches Wissen wird dabei in die Modelle integriert, so dass sie neue Erkenntnisse aufzeigen können, mit einer iterativen Rückkopplungsschleife zu anderen Teilprojekten nach anfänglicher klinischer Verfeinerung, Einführung und rigoroser Validierung.