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

Nachwuchsgruppe Digitale Biomarker für die Onkologie

PD Dr. med. 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 für die Onkologie mittels künstlicher Intelligenz ist der Forschungsschwerpunkt unserer interdisziplinären Forschungsgruppe. Wissenschaftlerinnen und Wissenschaftler aus den Bereichen Medizin, Molekularbiologie und Informatik/Data Science konzentrieren sich auf die Identifikation relevanter Muster in Bilddaten, ihre Kombination mit weiteren Daten wie Ergebnissen von molekularen Analysen oder klinischen Daten sowie eine erhöhte Erklärbarkeit und Sicherheit von Entscheidungen der künstlichen Intelligenz.

Momentan stehen drei Projekte im Mittelpunkt unserer Aktivitäten:

  • Das Skin-Classification-Project (SCP2) hat zum Ziel, die Genauigkeit des Hautkrebsscreenings zu verbessern. Zusammen mit einem großen Netzwerk an acht Universitätskliniken entwickeln und optimieren wir KI-Assistenzsysteme für die klinische Routine. Unser langfristiges Ziel ist es, die erfolgreiche Umsetzung im klinischen Setting durch prospektive klinische 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 vorhergesagt. Ein entscheidender Vorteil dieses Ansatzes ist, dass in der klinischen Krebsdiagnostik ohnehin Gewebeproben entnommen werden. Mithilfe der künstlichen Intelligenz möchten wir in den digitalisierten histologischen Schnitten Biomarker identifizieren, die so in Zukunft mit minimalem zusätzlichem zeitlichem und finanziellem Aufwand als Entscheidungshilfe für den behandelnden Arzt genutzt werden und einen weiteren Baustein für eine personalisierte Medizin darstellen könnten. Zusätzlich betreiben wir in Zusammenarbeit mit dem Krebsinformationsdienst (KID) die Internet-basierte Kommunikationsplattform fragdiepatienten.de, die es durch Kurzumfragen zu Krebsthemen Forschenden ermöglicht, die Patientenperspektive stärker in Projekte aus dem Bereich der Onkologie einzubringen.
  • Die KI-Translations-Initative (KIT) erforscht Ansätze für transparente und sichere Entscheidungen durch künstliche Intelligenz, um die Akzeptanz und die Robustheit solcher Systeme in medizinischen Anwendungen zu erhöhen und damit den Weg aus der Forschung in den klinischen Alltag zu ebnen. In Zusammenarbeit mit unseren klinischen Kooperationspartnern werden Verfahren für eine bessere Erklärbarkeit, Unsicherheitsschätzung sowie Generalisierung hinsichtlich ihres praktischen Einsatzes im klinischen Alltag evaluiert.
Ein besonderer Fokus unserer Nachwuchsgruppe liegt auf der erfolgreichen Übertragung KI-basierter Assistenzsysteme in die klinische Praxis. Deshalb arbeiten wir an der Erklärbarkeit und externen Validierung für unsere Modelle und entwickeln neue Fragestellungen für die Forschung gemeinsam mit klinische Kooperationspartnern und Patientenvertretern.

Kontakt

PD Dr. med. 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
  • Kiehl, L., Kuntz, S., Höhn, J., Jutzi, T., Krieghoff-Henning, E., Kather, J. N., ... & Brinker, T. J. (2021). Deep learning can predict lymph node status directly from histology in colorectal cancer. European Journal of Cancer, 157, 464-473.
  • Brinker, T. J., Schmitt, M., Krieghoff-Henning, E. I., Barnhill, R., Beltraminelli, H., Braun, S. A., ... & Kutzner, H. (2021). Diagnostic performance of artificial intelligence for histologic melanoma recognition compared to 18 international expert pathologists. Journal of the American Academy of Dermatology.
  • Brinker, T. J., Faria, B. L., de Faria, O. M., Klode, J., Schadendorf, D., Utikal, J. S., ... & Bernardes-Souza, B. (2020). Effect of a face-aging mobile app–based intervention on skin cancer protection behavior in secondary schools in Brazil: a cluster-randomized clinical trial. JAMA dermatology, 156(7), 737-745.
nach oben
powered by webEdition CMS