Nachwuchsgruppe Digitale Biomarker für die Onkologie
PD Dr. Titus Brinker
Mittels Verfahren der künstlichen Intelligenz werden digitale Biomarker - wie z. B. hier im Gewebeschnitt der Haut - identifiziert, um eine genauere Diagnostik und eine bessere Therapieauswahl zu ermöglichen.
© dkfz.de
Die Entwicklung von Software für eine verbesserte non-invasive Früherkennung, Diagnostik- und Therapiesteuerung für die Onkologie mittels künstlicher Intelligenz ist der Forschungsschwerpunkt unserer interdisziplinären Forschungsgruppe. Ein 20-köpfiges Team aus den Bereichen Medizin, Molekularbiologie und Informatik/Data Science konzentriert sich auf die Identifikation relevanter Muster in Patientendaten sowie eine erhöhte Erklärbarkeit und Sicherheit von Entscheidungen der künstlichen Intelligenz. Wir sehen Softwaresysteme als Teil von klinischen Teams für eine effizientere Krankenversorgung und zugleich als Werkzeug für effektive Präventions- und Screening-Angebote. In diesen Bereichen gelangen uns in der Vergangenheit (seit 2020) vielbeachtete wissenschaftliche Erfolge; unsere mehr als 80 international begutachteten Forschungsarbeiten wurden über 5.000 mal zitiert und zahlreiche Projektergebnisse von internationalen Medien aufgegriffen. Mehr als eine Millionen Mal wurden Softwareprodukte oder Apps unserer Arbeitsgruppe heruntergeladen.
Sieben kürzlich bewilligte Drittmittelanträge beinhalten das MiRisk-Projekt (1), welches eine kostenlose App zur individuellen Bestimmung und Minimierung des Brustkrebsrisikos entwickelt. Im Rahmen des BAP-1-Konsortiums (2) teilen und erweitern wir unser Fachwissen bei der Erstellung von Histologie-Pipelines zur Stratifizierung von Patienten für die Arzneimittelentwicklung. Die Hector-Förderung (3) ermöglicht es uns, Spatial Transcriptomics für Deep-Learning-basierte Heterogenitäts-Scores zu integrieren, um die Metastasierung von Melanomen vorherzusagen. Das sKIn-Projekt (4) unternimmt die verbleibenden technischen und formalen Schritte, um unsere erklärbare Hautkrebs-KI zusammen mit einem Unternehmen in Dermatoskope einzubauen und sie auf diese Weise fest in Hautkrebsscreenings zu integrieren. MELCAYA (5) identifiziert neue Risikofaktoren für Melanome bei CAYAs. Eine Deep-Learning-Strategie für Hochdurchsatz-Proteomik (6) ermöglicht eine höhere Auflösung von Blutproben zur frühzeitigen Erkennung von Krebs. Eine Zusammenarbeit mit der Industrie wird zu individuelleren Sonnenschutzempfehlungen auf der Grundlage von epigenetischen Tests führen, die über KI aus Smartphone-Fotos ausgelesen werden. Eine verbesserte digitale Analyse von Sarkomen (7), die Interaktion von Sprachmodellen und klinischer Versorgung, erklärbare KI-Algorithmen für die Krebsvorsorge und die Optimierung von Präventions-Apps stellen ebenfalls aktuelle Projekte der Gruppe dar.
Auf den nachfolgenden Seiten können Sie mehr über die Menschen in unserem Team, ihre Arbeitsschwerpunkte, sowie die von unserer Gruppe derzeit bearbeiteten Projekte erfahren.
