Im Projekt MODEL-MM wird untersucht, ob sich aus bereits vorhandenen Routinedaten praxistaugliche Prognosemodelle für das Multiple Myelom (MM) generieren lassen. Zwei innovative Methoden kommen hierbei zum Einsatz: 1) eine KI-gestützte Analyse von CT-Bilddaten zur automatisierten Bestimmung der Körperzusammensetzung (u. a. Muskelmasse, Myosteatose) und 2) die Anwendung von Sprachmodellen (LLMs) zur Extraktion klinisch relevanter Informationen (z. B. Komorbiditäten, Therapieverläufe) aus unstrukturierten Arztbriefen. Die Datenbasis umfasst 1.047 MM-Patienten mit 3.134 CT-Scans und 12.342 klinischen Dokumenten. Ziel ist es, diese beiden komplementären Informationsquellen zu kombinieren, um ein multimodales, validiertes Risikomodell für MM-Patientinnen und -patienten zu entwickeln. Dabei werden ausschließlich bereits vorhandene Daten und erprobte Tools verwendet, ohne zusätzlichen Patienteneinschluss oder Datenerhebung. Die Durchführung erfolgt lokal unter Nutzung bestehender Rechenressourcen und Softwareumgebungen. Die Validierung der Analyseergebnisse erfolgt durch Abgleich mit Referenzdaten. Bei erfolgreicher Umsetzung leistet das Projekt einen exemplarischen Beitrag zur Nutzung sekundärer Routinedaten in der Onkologie und demonstriert das Potenzial multimodaler KI-Anwendungen für die klinische Praxis.