Brustkrebs ist weltweit eine der häufigsten Todesursachen bei Frauen. Eine frühzeitige und genaue Diagnose ist daher für die Verbesserung der Behandlungsergebnisse von entscheidender Bedeutung. CLIMB zielt darauf ab, das Potenzial einer fortschrittlichen Technologie der künstlichen Intelligenz, Contrastive Language-Image Pretraining (CLIP), für die automatische Diagnose von Brustkrebs unter Verwendung von Magnetresonanztomographie (MRT)-Daten zu untersuchen, ohne dass eine manuelle Kommentierung oder Überwachung erforderlich ist. Es ist weithin anerkannt, dass KI die diagnostische Bildgebung verändern kann, wobei davon ausgegangen wird, dass KI-basierte Techniken die Scanzeiten beschleunigen, die diagnostische Präzision verbessern und die Arbeitsbelastung der Radiologen verringern können. Trotz der Belege für die diagnostischen Vorteile von KI-Modellen befindet sich ihre Integration in die klinische Praxis noch in der Anfangsphase und stößt auf zahlreiche Hürden und Hindernisse. Eine der größten Hürden ist der Bedarf an Daten, die von menschlichen Experten manuell annotiert werden. Das Hauptziel dieses Projekts besteht darin, die Machbarkeit der Anpassung von CLIP zur Erkennung von Brustkrebs in MRT-Scans durch den Abgleich von Textdaten aus medizinischen Berichten mit visuellen Informationen aus den Bildern zu bewerten.