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, 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.
Das Projekt FED-PATH hat die Etablierung und Erprobung eines technischen Rahmenwerkes für die Entwicklung von diagnostischen und prognostischen bildanalytischen Algorithmen zum Ziel. Dafür werden pathologische und onkologische Patientendaten basierend auf dem Prinzip des föderierten Lernens genutzt. Das föderierte Lernen (FL) ermöglicht, dass die Patientendaten zu jeder Zeit beim jeweiligen Projektpartner verbleiben. Damit stellen Datenschutz, Datensicherheit, Zugriffsrechte und Zugang kein Problem dar. Das zu entwickelnde FL-Rahmenwerk soll nach dem Abschluss des Projektes für kooperative Anwendung und Weiterentwicklung von beliebigen bildanalytischen Algorithmen im Bereich der Onkologie und Pathologie benutzt werden. Der komplette Quellcode wird dabei am Ende des Projekts für die öffentliche Nutzung freigegeben. Die im Rahmen des Projektes entwickelten diagnostischen und prognostischen Algorithmen sollen anschließend klinisch validiert und angewendet werden.