Verbund

FAIrPaCT - Föderiertes Framework für künstliche Intelligenz zur Optimierung der Behandlung von Bauchspeicheldrüsenkrebs

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.

Teilprojekte

Standort Universität Göttingen

Förderkennzeichen: 01KD2208A
Gesamte Fördersumme: 836.995 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Prof. Dr. Anne-Christin Hauschild
Adresse: Georg-August-Universität Göttingen, Universitätsmedizin, Institut für Medizinische Informatik
Robert-Koch-Str. 40
37075 Göttingen

Standort Universität Göttingen

Ziel des Konsortiums, bestehend aus der Universitätsmedizin Göttingen, Uniklinikum Gießen und Marburg und der Technischen Universität München, ist die Entwicklung von FAIrPaCT, einem durch föderierte künstliche Intelligenz gestütztes Softwaresystem. Dies ermöglicht klinische Patientendaten und molekulare Daten von entnommenen Krebszellen von Patienten mit Bauchspeicheldrüsenkrebs institutsübergreifend zu analysieren. Bauchspeicheldrüsenkrebs ist eine hochaggressive Erkrankung mit steigender Inzidenz, die Prognosen zufolge bis 2030 in den Industrieländern die zweithäufigste krebsbedingte Todesursache sein wird. Aufgrund seiner außergewöhnlich aggressiven, lokal invasiven und zu Fernmetastasen neigenden Tumorbiologie, und der ungewöhnlich hohen und heterogenen Resistenz gegenüber konventioneller Chemotherapie gestaltet sich die Therapie oft schwierig. Das Projekt vereint drei der größten Patientenkohorten (KFO5002, KFO325, SFB1321) zum Thema Bauchspeicheldrüsenkrebs in Deutschland, die einzigartig in Größe und Heterogenität sind. In Kombination mit innovativen föderierten Methoden der künstlichen Intelligenz sind wir in der Lage robuste Hochleistungsmodelle zu trainieren, die die Erfolgswahrscheinlichkeit für spezifische Behandlungsansätze abschätzen können. Darüber hinaus, wird FAIrPaCT es ermöglichen wichtige Parameter zu identifizieren, die das Ansprechen auf die Behandlung beeinflussen. Diese können Aufschluss darüber geben, welche molekularen Mechanismen den Erfolg einer Therapie beeinflussen und somit die Entwicklung verbesserter Medikamente und personalisierter Behandlungsstrategien unterstützen. Schließlich ermöglicht es der Übergang zu einer kohortenübergreifenden Analyse, 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 künstliche Intelligenz unterstützten Präzisionsmedizin zu machen.

Standort Technische Universität München

Förderkennzeichen: 01KD2208B
Gesamte Fördersumme: 59.963 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Prof. Dr. Maximilian Reichert
Adresse: Klinikum rechts der Isar der Technischen Universität München, II. Medizinische Klinik und Poliklinik
Ismaninger Str. 22
81675 München

Standort Technische Universität München

Ziel des Konsortiums, bestehend aus der Universitätsmedizin Göttingen, Uniklinikum Gießen und Marburg und der Technischen Universität München, ist die Entwicklung von FAIrPaCT, einem durch föderierte künstliche Intelligenz gestütztes Softwaresystem. Dies ermöglicht klinische Patientendaten und molekulare Daten von entnommenen Krebszellen von Patienten mit Bauchspeicheldrüsenkrebs institutsübergreifend zu analysieren. Bauchspeicheldrüsenkrebs ist eine hochaggressive Erkrankung mit steigender Inzidenz, die Prognosen zufolge bis 2030 in den Industrieländern die zweithäufigste krebsbedingte Todesursache sein wird. Aufgrund seiner außergewöhnlich aggressiven, lokal invasiven und zu Fernmetastasen neigenden Tumorbiologie, und der ungewöhnlich hohen und heterogenen Resistenz gegenüber konventioneller Chemotherapie gestaltet sich die Therapie oft schwierig. Das Projekt vereint drei der größten Patientenkohorten (KFO5002, KFO325, SFB1321) zum Thema Bauchspeicheldrüsenkrebs in Deutschland, die einzigartig in Größe und Heterogenität sind. In Kombination mit innovativen föderierten Methoden der künstlichen Intelligenz sind wir in der Lage robuste Hochleistungsmodelle zu trainieren, die die Erfolgswahrscheinlichkeit für spezifische Behandlungsansätze abschätzen können. Darüber hinaus, wird FAIrPaCT es ermöglichen wichtige Parameter zu identifizieren, die das Ansprechen auf die Behandlung beeinflussen. Diese können Aufschluss darüber geben, welche molekularen Mechanismen den Erfolg einer Therapie beeinflussen und somit die Entwicklung verbesserter Medikamente und personalisierter Behandlungsstrategien unterstützen. Schließlich ermöglicht es der Übergang zu einer kohortenübergreifenden Analyse, 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 künstliche Intelligenz unterstützten Präzisionsmedizin zu machen.

Standort Philipps-Universität Marburg

Förderkennzeichen: 01KD2208C
Gesamte Fördersumme: 59.510 EUR
Förderzeitraum: 2022 - 2024
Projektleitung: Prof. Dr. Matthias Lauth
Adresse: Philipps-Universität Marburg, FB 20 Medizin, Klinik für Innere Medizin, Gastroenterologie, Endokrinologie, Stoffwechsel und Infektiologie
Hans-Meerwein-Str. 3
35043 Marburg

Standort Philipps-Universität Marburg

Ziel des Konsortiums, bestehend aus der Universitätsmedizin Göttingen, Uniklinikum Gießen und Marburg und der Technischen Universität München, ist die Entwicklung von FAIrPaCT, einem durch föderierte künstliche Intelligenz gestütztes Softwaresystem. Dies ermöglicht klinische Patientendaten und molekulare Daten von entnommenen Krebszellen von Patienten mit Bauchspeicheldrüsenkrebs institutsübergreifend zu analysieren. Bauchspeicheldrüsenkrebs ist eine hochaggressive Erkrankung mit steigender Inzidenz, die Prognosen zufolge bis 2030 in den Industrieländern die zweithäufigste krebsbedingte Todesursache sein wird. Aufgrund seiner außergewöhnlich aggressiven, lokal invasiven und zu Fernmetastasen neigenden Tumorbiologie, und der ungewöhnlich hohen und heterogenen Resistenz gegenüber konventioneller Chemotherapie gestaltet sich die Therapie oft schwierig. Das Projekt vereint drei der größten Patientenkohorten (KFO5002, KFO325, SFB1321) zum Thema Bauchspeicheldrüsenkrebs in Deutschland, die einzigartig in Größe und Heterogenität sind. In Kombination mit innovativen föderierten Methoden der künstlichen Intelligenz sind wir in der Lage robuste Hochleistungsmodelle zu trainieren, die die Erfolgswahrscheinlichkeit für spezifische Behandlungsansätze abschätzen können. Darüber hinaus, wird FAIrPaCT es ermöglichen wichtige Parameter zu identifizieren, die das Ansprechen auf die Behandlung beeinflussen. Diese können Aufschluss darüber geben, welche molekularen Mechanismen den Erfolg einer Therapie beeinflussen und somit die Entwicklung verbesserter Medikamente und personalisierter Behandlungsstrategien unterstützen. Schließlich ermöglicht es der Übergang zu einer kohortenübergreifenden Analyse, 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 künstliche Intelligenz unterstützten Präzisionsmedizin zu machen.