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

TPI: Die Tumorverhalten-Prädiktions-Initiative

2020 – 2022 durch das BMG gefördert
Projektleitung: Dr. Eva Krieghoff-Henning

Ein erklärtes Ziel der Krebsmedizin ist es, in naher Zukunft jeder Krebspatientin und jedem Krebspatienten eine individuell zugeschnittene, „personalisierte" Therapie zu ermöglichen. Hierzu sind neue Biomarker nötig, die eine bessere Einschätzung der voraussichtlichen Krankheitsverlaufs (prognostisch) und des voraussichtlichen Therapieansprechens (prädiktiv) im jeweiligen Einzelfall zulassen.
Zur Entwicklung solcher Biomarker können medizinische Daten genutzt werden, die aufgrund der Dokumentations- und Archivierungspflichten in Deutschland bereits vorhanden sind.

Eine besonders wertvolle Ressource sind in diesem Zusammenhang archivierte Objektträger mit Gewebeschnitten, die im Rahmen der Krebsdiagnostik routinemäßig angefertigt werden. Durch Bildanalysen solcher Gewebeschnitte mittels künstlicher Intelligenz, insbesondere mit neuronalen Netzen (CNNs), kann – ähnlich wie in der „klassischen" Pathologie - eine Klassifikation und Charakterisierung von krebsverdächtigen Läsionen auf hohem Niveau erfolgen. Durch die CNN-basierten quantitativen und qualitativen Untersuchungen können sehr wahrscheinlich auch neue Biomarker auf Gewebeschnitten identifiziert werden, die mit dem Auge nur schwer oder gar nicht zu erkennen sind. Ziel unserer Arbeitsgruppe ist es, in Kooperation mit unseren klinischen Partnern solche neuen „digitalen" Biomarker zu entwickeln, um die Arbeit der Pathologen zu unterstützen und Krebspatienten eine möglichst wirksame Therapie bei möglichst geringen Nebenwirkungen zu ermöglichen.

Um die Übertragung von sensiblen Gesundheitsdaten zu minimieren, arbeiten wir daran, unsere Modelle mithilfe des Prinzips des föderierten Lernens zu trainieren, bei dem die Daten bei den Kooperationsteams verbleiben und wir lediglich Modell-Updates erhalten.

Zusätzlich setzen wir in Zusammenarbeit mit dem Krebsinformationsdienst (KID) die Internet-basierte Kommunikationsplattform fragdiepatienten.de auf, die es durch Kurzumfragen zu Krebsthemen ermöglichen wird, die Patientenperspektive stärker in Projekte aus dem Bereich der Onkologie einzubringen.

nach oben
powered by webEdition CMS