Verbund

VISTA-Onco - Ein Agent für informationswertbasierte Tests in der Onkologie

Im Rahmen des strategischen Forschungsfelds Gesundheit der Hightech Agenda Deutschland sollen die Potenziale von Künstlicher Intelligenz (KI), In-silico-Modellierungen und Computersimulationen für die datengetriebene Gesundheitsforschung gehoben werden. Der modular aufgebaute Förderschwerpunkt „Zukunft eHealth“ zielt darauf ab, die besten Köpfe für eine wissenschaftliche Karriere in diesem interdisziplinären Forschungsfeld zu gewinnen. Eines der Module fokussiert dabei auf die Förderung von Juniorverbünden unter der Leitung wissenschaftlich herausragender promovierter Wissenschaftlerinnen und Wissenschaftler, um sie bei der Vernetzung und auf ihrem Weg zu einer wissenschaftlichen Führungsposition im Bereich eHealth zu unterstützen.

Die Krebsforschung und Therapieplanung nutzen immer stärker die Kombination aus klinischen, pathologischen und molekularen Daten. Diese integrierten Informationen können Diagnose und Behandlungsentscheidungen deutlich verbessern, doch das Durchführen aller verfügbaren Tests bei jeder Patientin und jedem Patienten ist kosten- und zeitintensiv und nicht immer zielführend.

Der Juniorverbund VISTA-Onco hat deshalb das Ziel, ein KI-basiertes System zu entwickeln, das die Auswahl diagnostischer Verfahren in der Onkologie dynamisch und patientenspezifisch optimiert. Das System wertet schrittweise verschiedene Gesundheitsdaten – etwa klinischer Angaben, Histopathologie und molekularer Profile – aus und empfiehlt nur jene zusätzlichen Untersuchungen, die mit hoher Wahrscheinlichkeit einen relevanten diagnostischen, prognostischen oder therapeutischen Mehrwert bieten.

Das Ergebnis soll als benutzerfreundlicher Software-Assistent bereitgestellt werden und langfristig in die klinische Praxis übertragbar sein. Damit kann die molekulare Diagnostik in der Präzisionsonkologie effizienter genutzt und die Versorgung von Krebspatientinnen und ‑patienten verbessert werden.

Teilprojekte

Adaptive Modalitätserfassung

Förderkennzeichen: 01ZU2609A
Gesamte Fördersumme: 763.471 EUR
Förderzeitraum: 2026 - 2029
Projektleitung: Dr. Mina Jamshidi Idaji
Adresse: Technische Universität Berlin, Fakultät Elektrotechnik und Informatik, Institut für Softwaretechnik und Theoretische Informatik, FG Maschinelles Lernen
Marchstr. 23
10587 Berlin

Adaptive Modalitätserfassung

Die Krebsforschung und Therapieplanung stützen sich zunehmend auf die Kombination klinischer, pathologischer und molekularer Daten. Diese können die Diagnosefindung und die Behandlungsplanung verbessern, doch die Durchführung aller verfügbaren Tests bei allen Patientinnen und Patienten ist kostspielig, zeitaufwendig und oft überflüssig. Aktuelle KI-Systeme gehen in der Regel davon aus, dass alle Daten bereits vorliegen, und spiegeln daher nicht die tatsächlichen klinischen Arbeitsabläufe wider, in denen schrittweise entschieden wird, welche zusätzlichen Tests tatsächlich erforderlich sind. Ziel des Vorhabens VISTA-Onco ist die Entwicklung eines KI-basierten Systems zur dynamischen, patientenspezifisch optimierten Auswahl diagnostischer Methoden in der Onkologie. Das System soll multimodale Daten – darunter klinische Informationen, Histopathologie und molekulare Profile – schrittweise auswerten und nur diejenigen zusätzlichen Untersuchungen empfehlen, die mit hoher Wahrscheinlichkeit einen relevanten diagnostischen, prognostischen oder therapeutischen Mehrwert liefern. Das Projekt baut zunächst eine harmonisierte Datenbank aus bestehenden Patientenkohorten auf. Darauf basierend werden KI-Modelle entwickelt, die auch bei unvollständigen Daten klinische Vorhersagen ermöglichen, den nützlichsten Folge-Test für Patientinnen und Patienten ermitteln und diese Empfehlung transparent erklären. Das System wird anschließend in unabhängigen Kohorten validiert und soll als benutzerfreundlicher Software-Assistent bereitgestellt werden. Die Technische Universität Berlin leitet in dem Projekt die adaptive Modalitätserfassung mit transparenten und interpretierbaren Entscheidungsmechanismen.

Robuste multimodale diagnostische, prognostische und prädiktive Modelle

Förderkennzeichen: 01ZU2609B
Gesamte Fördersumme: 381.558 EUR
Förderzeitraum: 2026 - 2029
Projektleitung: Prof. Dr. Michael Bockmayr
Adresse: Universitätsklinikum Hamburg-Eppendorf, Klinik und Poliklinik für Pädiatrische Hämatologie und Onkologie
Martinistr. 52
20251 Hamburg

Robuste multimodale diagnostische, prognostische und prädiktive Modelle

Die Krebsforschung und Therapieplanung stützen sich zunehmend auf die Kombination klinischer, pathologischer und molekularer Daten. Diese können die Diagnosefindung und die Behandlungsplanung verbessern, doch die Durchführung aller verfügbaren Tests bei allen Patientinnen und Patienten ist kostspielig, zeitaufwendig und oft überflüssig. Aktuelle KI-Systeme gehen in der Regel davon aus, dass alle Daten bereits vorliegen, und spiegeln daher nicht die tatsächlichen klinischen Arbeitsabläufe wider, in denen schrittweise entschieden wird, welche zusätzlichen Tests tatsächlich erforderlich sind. Ziel des Vorhabens VISTA-Onco ist die Entwicklung eines KI-basierten Systems zur dynamischen, patientenspezifisch optimierten Auswahl diagnostischer Methoden in der Onkologie. Das System soll multimodale Daten – darunter klinische Informationen, Histopathologie und molekulare Profile – schrittweise auswerten und nur diejenigen zusätzlichen Untersuchungen empfehlen, die mit hoher Wahrscheinlichkeit einen relevanten diagnostischen, prognostischen oder therapeutischen Mehrwert liefern. Das Projekt baut zunächst eine harmonisierte Datenbank aus bestehenden Patientenkohorten auf. Darauf basierend werden KI-Modelle entwickelt, die auch bei unvollständigen Daten klinische Vorhersagen ermöglichen, den nützlichsten Folge-Test für Patientinnen und Patienten ermitteln und diese Empfehlung transparent erklären. Das System wird anschließend in unabhängigen Kohorten validiert und soll als benutzerfreundlicher Software-Assistent bereitgestellt werden. Das Universitätsklinikum Hamburg-Eppendorf entwickelt in dem Projekt robuste multimodale diagnostische, prognostische und prädiktive Modelle für heterogene und unvollständige onkologische Daten.

Multimodale Dateninfrastruktur und Validierungspipeline

Förderkennzeichen: 01ZU2609C
Gesamte Fördersumme: 404.270 EUR
Förderzeitraum: 2026 - 2029
Projektleitung: Prof. Dr. Philipp Jurmeister
Adresse: Ludwig-Maximilians-Universität München, Medizinische Fakultät, Pathologisches Institut der LMU
Thalkirchner Str. 36
80337 München

Multimodale Dateninfrastruktur und Validierungspipeline

Die Krebsforschung und Therapieplanung stützen sich zunehmend auf die Kombination klinischer, pathologischer und molekularer Daten. Diese können die Diagnosefindung und die Behandlungsplanung verbessern, doch die Durchführung aller verfügbaren Tests bei allen Patientinnen und Patienten ist kostspielig, zeitaufwendig und oft überflüssig. Aktuelle KI-Systeme gehen in der Regel davon aus, dass alle Daten bereits vorliegen, und spiegeln daher nicht die tatsächlichen klinischen Arbeitsabläufe wider, in denen schrittweise entschieden wird, welche zusätzlichen Tests tatsächlich erforderlich sind. Ziel des Vorhabens VISTA-Onco ist die Entwicklung eines KI-basierten Systems zur dynamischen, patientenspezifisch optimierten Auswahl diagnostischer Methoden in der Onkologie. Das System soll multimodale Daten – darunter klinische Informationen, Histopathologie und molekulare Profile – schrittweise auswerten und nur diejenigen zusätzlichen Untersuchungen empfehlen, die mit hoher Wahrscheinlichkeit einen relevanten diagnostischen, prognostischen oder therapeutischen Mehrwert liefern. Das Projekt baut zunächst eine harmonisierte Datenbank aus bestehenden Patientenkohorten auf. Darauf basierend werden KI-Modelle entwickelt, die auch bei unvollständigen Daten klinische Vorhersagen ermöglichen, den nützlichsten Folge-Test für Patientinnen und Patienten ermitteln und diese Empfehlung transparent erklären. Das System wird anschließend in unabhängigen Kohorten validiert und soll als benutzerfreundlicher Software-Assistent bereitgestellt werden. Die LMU München übernimmt in dem Projekt die multimodale Dateninfrastruktur und Validierungspipeline.