Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren

Abteilung Künstliche Intelligenz in der Onkologie

Prof. Dr. Moritz Gerstung

Maps of distinct breast cancer clones detected by Base-Specific In Situ Sequencing (http://dx.doi.org/10.1101/2021.04.16.439912)
© dkfz.de

Unsere Abteilung untersucht mit Hilfe von Künstlicher Intelligenz und Big Data, wie Tumoren wachsen und sich im Laufe der Zeit verändern.

Krebs entsteht nach den Regeln der Evolution - Mutation und Selektion. Dennoch ist wenig bekannt über den zeitlichen Ablauf dieser Prozesse, die Mechanismen, durch die Mutationen das Wachstum von Krebszellen verursachen, und darüber, wie man den zukünftigen Verlauf dieses Prozesses am besten vorhersagen und beeinflussen kann.

Ein detailliertes Verständnis dieser Prozesse erfordert die Kenntnis großer Informationsmengen auf verschiedenen Ebenen. Das Genom einer Zelle besteht aus sechs Milliarden DNA Basenpaaren. Tausende von genetischen und epigenetischen Veränderungen der DNA führen zu einer Reihe von molekularen Veränderungen in jeder einzelnen Zelle. Darüber hinaus sind Tumoren ein Ökosystem aus Milliarden mutierter und normaler Zellen, die über zelluläre Kontakte und Signalmoleküle miteinander interagieren.

Die Erfassung und Modellierung dieser Informationen erfordert daher spezielle Algorithmen des maschinellen Lernens und der künstlichen Intelligenz. Unser Hauptaugenmerk liegt auf der Entwicklung solcher Algorithmen und der Durchführung groß angelegter Datenanalysen zum Verständnis der Krebsevolution. Die Abteilung trägt auch dazu bei, genomische und molekulare Daten mit Einzelzell- und räumlicher Auflösung zu generieren, diese Daten bilden die Grundlage unserer Forschung.

Zu den spezifischen Forschungsprojekten der Abteilung gehört die Einrichtung einer neuen raumauflösenden Genomikplattform für die Datenerzeugung und -analyse. Dies wird ein entscheidender Faktor für die Entschlüsselung der Krebsevolution sein und die Geheimnisse des Ökosystems Krebs lüften. Darüber hinaus untersuchen wir, wie unser Wissen über den natürlichen Verlauf und die Entstehung von Krebs für die Früherkennung und die Krebsprävention genutzt werden kann. Schließlich beschäftigen wir uns mit der Entstehung von Mutationen in einzelnen Zellen, um die allerersten Schritte der Krebsentwicklung zu verstehen.

Kontakt

Prof. Dr. Moritz Gerstung
Künstliche Intelligenz in der Onkologie (B450)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 280
69120 Heidelberg

Ausgewählte Publikationen

  • AW Jung, PC Holm, K Gaurav, JX Hjaltelin, D Placido, LH Mortensen, et al. 2024. "Multi-cancer risk stratification based on national health data: a retrospective modelling and validation study." The Lancet Digital Health 6 (6), e396-e406
  • A Shmatko, AW Jung, K Gaurav, S Brunak, L Mortensen, E Birney, et al. 2024. "Learning the natural history of human disease with generative transformers." medRxiv, 2024.06. 07.24308553
  • A Lomakin, J Svedlund, C Strell, M Gataric, A Shmatko, G Rukhovich, et al. 2022. "Spatial genomics maps the structure, nature and evolution of cancer clones." Nature 611 (7936), 594-602
nach oben
powered by webEdition CMS