Das Verbundprojekt DIAMANT beschäftigt sich mit dem Thema Lungenkrebs, genauer gesagt mit Verbesserungen der Genauigkeit bei der Lungenkrebstumor-Typisierung. Die bisherige Routinediagnostik ist mit erheblichen Unsicherheiten behaftet und stößt insbesondere bei Proben aus minimal-invasiven Eingriffen an ihre Grenzen. Eine vielversprechende Alternative stellt die bildgebende MALDI-Massenspektrometrie dar, mit der sich u.a. Gewebeschnitte aus der histopathologischen Routine gut untersuchen lassen. Auf-grund ihrer begrenzten räumlichen Auflösung, die keine molekulare Bildgebung auf Zellebene erlaubt, konnte sich diese Methode bislang jedoch nicht in der klinischen Routine etablieren.

Hier setzt DIAMANT an: Im Rahmen des Projekts soll ein Klassifikationsmodell entwickelt werden, das verlässlich zwischen den verschiedenen Lungenkrebstumor-Subtypen unterscheidet. Dafür sollen molekulare Informationen aus der MALDI-Massenspektrometrie mit detaillierten anatomischen Informationen digitaler Mikroskopie-Bilder kombiniert werden. Es ist geplant, mithilfe geeigneter Deep-Learning-Methodiken aussagekräftige Informationen aus den komplexen, hochdimensionalen Rohdaten beider Modalitäten zu extrahieren und in das Klassifikationsmodell zu integrieren. Parallel dazu sollen Methoden entwickelt werden, mit denen sich die vorgelegte Klassifikationsentscheidung überprüfen lässt. Zudem soll sichergestellt werden, dass das KI-Modell verlässlich Tumorproben erkennt, die nicht einem der beiden häufigsten Lungenkrebstumor-Subtypen zuzuordnen sind. Die entwickelten Algorithmen sollen im Anschluss an das Projekt in der Routinediagnostik evaluiert werden.