Lungenkrebs ist weltweit die häufigste krebsbedingte Todesursache mit etwa 1,8 Millionen Todesfällen und 2,5 Millionen Neuerkrankungen jährlich. Ziel dieses Projekts ist die Entwicklung eines prädiktiven Therapiealgorithmus für die individualisierte Präzisionsonkologie bei Lungenkrebspatientinnen und -patienten ohne Treibermutationen. Grundlage bildet eine Metaanalyse klinischer, morphologischer und molekularbiologischer Daten – darunter Genexpressions- und miRNA-Profile, Kinomdaten sowie longitudinaler CT-/PET-Bildgebung. Die Datensätze stammen aus einer sorgfältig charakterisierten Kohorte von 95 Lungenkrebspatientinnen und -patienten, die sowohl kurativ als auch palliativ behandelt wurden. Ergänzt werden die molekularen Daten durch klinische Informationen, Nebenwirkungsprofile und histopathologische Befunde. Die heterogene Patientenkohorte wurde systematisch durch genetische und molekulare Marker stratifiziert, sodass die Erkenntnisse auf diverse Patientengruppen übertragbar sind. Durch die integrative Analyse multimodaler Daten sollen tumorspezifische regulatorische Netzwerke identifiziert werden, die zentrale Signalkaskaden der Krankheitsprogression steuern. Im Fokus stehen Master-Regulatoren – Schlüsselmoleküle mit zentraler Rolle in Gen-, miRNA- und Kinase-Netzwerken. Voranalysen zeigten, dass die gezielte pharmakologische Hemmung dieser Kinasen das Tumorwachstum signifikant hemmt, indem sie relevante Signalwege funktionell inhibiert. Ein weiterer Schwerpunkt ist die Identifikation prädiktiver miRNA-Biomarker für die Therapieentscheidung. Erste Einzelfallanalysen und ein systematischer Review deuten auf ein verlängertes progressionsfreies Überleben bei miRNA-stratifizierter Therapie hin. Das Projekt trägt somit zu einer präziseren, wirksameren und verträglicheren Behandlung von Lungenkrebspatienten ohne Treibermutationen bei. Die langfristige Vision ist der evidenzbasierte Einsatz von Kinase-Inhibitoren, basierend auf molekularer Tumorbiologie und individueller Prognose.