Lymphome sind eine komplexe Krebsart mit unterschiedlichen Entitäten, deren Identifizierung für eine optimale Behandlung essentiell ist. Die exakte pathologische Klassifikation ist jedoch oftmals eine Herausforderung. Es wurden zwei der weltweit umfangreichsten Datensätze kuratiert – einer für molekulare (OMICS) Daten und einer für hochauflösende Bilder. Darauf aufbauend hat die Forschungsarbeit des Vorhabens die aktuelle molekulare Klassifikation von Lymphomen entscheidend mitgeprägt. In dem Vorhaben ist bereits eine Infrastruktur für föderiertes Lernen etabliert und es wird eine gemeinsame Gewebeanalyse-Software optimiert. In diesem Projekt liegt der Fokus auf Representation Learning, wobei die federated Learning-Infrastruktur genutzt werden soll, um KI-Repräsentationen von Gewebeabschnitten zu entwickeln, die die Gewebearchitektur und ihre Kontextnuancen 'verstehen'. Der Standort Würzburg wird hierbei zusammen mit den Pathologielaboren in Kiel und Würzburg ein standardisiertes, qualitätsgesichertes KI-Trainingsset von Referenz-Gewebeabschnitten mit flexiblen Repräsentationen für KI-gestützte digitale Pathologie bereitstellen.