In der modernen Krebsforschung fallen immer umfangreichere Datensätze an (Big Data). Die Daten stammen aus molekularen und biochemischen Analysen, modernen Bildgebungsverfahren, klinischen Studien oder bilden Krankheitsverläufe von Patientinnen und Patienten ab. Diese Datenschätze gilt es in Zukunft zu heben. Neue computergestützte Ansätze der Datennutzung, modernste Methoden der Künstlichen Intelligenz (KI), des Maschinellen Lernens und der Statistik haben einen hohen Stellenwert für die verbesserte Analyse und Extraktion forschungsrelevanter Informationen. Mit dieser Förderrichtlinie im Rahmen der Nationalen Dekade gegen Krebs beabsichtigt das BMBF Forschungsgruppen aus dem Bereich der Datenanalyse einen niederschwelligen Zugang zu hochqualitativen Daten aus der translationalen, biomedizinischen Krebsforschung und der onkologischen Routineversorgung zu ermöglichen. Zeitgleich arbeiten Forschende aus den Bereichen der Datengewinnung und Datenanalyse eng zusammen, um miteinander klinisch relevante onkologische Fragen anzugehen. Darüber hinaus soll die Kultur des Datenteilens für Forschungszwecke gefördert werden.
Ziel des Projektes ist die Entwicklung von FAIrPaCT, einem durch föderierte Künstliche Intelligenz gestützten Softwaresystems. Dazu werden drei der größten Patientenkohorten (KFO5002, KFO325, SFB1321) zum Thema Bauchspeicheldrüsenkrebs in Deutschland genutzt. Mit föderierten Methoden der Künstlichen Intelligenz kann die Erfolgswahrscheinlichkeit für spezifische Behandlungsansätze abgeschätzt werden. FAIrPaCT wird es ermöglichen, Eigenschaften zu identifizieren, die das Ansprechen auf die Behandlung beeinflussen. Der Übergang zu einer kohortenübergreifenden Analyse ermöglicht es, von heterogenen lokalen Daten zu profitieren, robustere und klinisch relevantere Modelle zu erstellen, global relevante Marker zu identifizieren und letztendlich einen weiteren Schritt in Richtung einer durch KI unterstützten Präzisionsmedizin zu machen.