Nachwuchsgruppe Digitale Biomarker für die Onkologie

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 digitalen Biomarkern für eine verbesserte nicht-invasive Früherkennung, Diagnostik- und Therapiesteuerung mittels künstlicher Intelligenz ist der Forschungsschwerpunkt unserer interdisziplinären Forschungsgruppe. Wissenschaftlerinnen und Wissenschaftler aus den Bereichen Medizin, Molekularbiologie und Informatik konzentrieren sich auf die Identifikation relevanter Muster in Bild- und Genomdaten.

Momentan stehen zwei Projekte im Mittelpunkt unserer Aktivitäten: Das Skin-Classification-Projekt (SCP) hat zum Ziel, die Genauigkeit des Hautkrebsscreenings zu verbessern. Zusammen mit einem großen Netzwerk aus über 150 Dermatologen an zwölf Universitätskliniken entwickeln und optimieren wir KI-Assistenzsysteme für die klinische Routine. Unser langfristiges Ziel ist es, die erfolgreiche Umsetzung im klinischen Setting in prospektiven klinischen Studien nachzuweisen und die KI-assistierte Hautkrebsdiagnostik flächendeckend zu etablieren.

In der Tumorverhalten-Prädiktions-Initiative (TPI) wird das Verhalten von Tumoren auf der Grundlage histologischer Schnitte und klinischer Verlaufsdaten vorhergesagt. Ein entscheidender Vorteil dieses Ansatzes ist, dass in der klinischen Krebsdiagnostik ohnehin Gewebeproben entnommen werden. Mit Hilfe der künstlichen Intelligenz werden in den digitalisierten histologischen Schnitten Biomarker bestimmt, die so in Zukunft mit minimalem zusätzlichen zeitlichen und finanziellen Aufwand als Entscheidungshilfe für den behandelnden Arzt genutzt werden könnten und einen weiteren Baustein für eine personalisierte Medizin darstellen.

Ein besonderer Fokus unserer Nachwuchsgruppe liegt auf dem Einsatz und dem Nutzen der entwickelten Methoden in der Patientenversorgung. Deshalb arbeiten wir daran, wie sich unsere Modelle erklären und extern validieren lassen und entwickeln neue Fragestellungen für die Forschung gemeinsam mit klinische Kooperationspartnern und Patientenvertretern.

Kontakt

Dr. Titus Brinker
Digitale Biomarker für die Onkologie (C140)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 223
69120 Heidelberg
Tel: +49 6221 425301

Ausgewählte Publikationen

  • Hekler A, Utikal JS, Enk AH, Hauschild A, Weichenthal M, Maron RC, Berking C, Haferkamp S, Klode J, Schadendorf D, Schilling B, Holland-Letz T, Izar B, von Kalle C, Fröhling S, Brinker TJ; Collaborators (2019). Superior skin cancer classification by the combination of human and artificial intelligence. Eur J Cancer, 120, 114-121
  • Brinker TJ, Hekler A, Enk AH, et al (2019). Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. Eur J Cancer, 113, 47-54.
  • Brinker TJ, Hekler A, Enk AH, Berking C, Haferkamp S, Hauschild A, Weichenthal M, Klode J, Schadendorf D, Holland-Letz T, von Kalle C, Fröhling S, Schilling B, Utikal JS (2019). Deep neural networks are superior to dermatologists in melanoma image classification. Eur J Cancer, 119, 11-17
  • Hekler A, Utikal JS, Enk AH, Solass W, Schmitt M, Klode J, Schadendorf D, Sondermann W, Franklin C, Bestvater F, Flaig MJ, Krahl D, von Kalle C, Fröhling S, Brinker TJ (2019). Deep learning outperformed 11 pathologists in the classification of histopathological melanoma images. Eur J Cancer, 119, 91-96
nach oben
powered by webEdition CMS