In der modernen Krebsforschung fallen immer umfangreichere Datensätze an (Big Data). Die Daten stammen unter anderem aus molekularen und biochemischen Analysen, Bildgebungsverfahren, klinischen Studien. Teilweise bilden diese Daten auch Krankheitsverläufe von Patientinnen und Patienten ab. Neue computergestützte Ansätze der Datennutzung, modernste Methoden der Künstlichen Intelligenz bzw. des Maschinellen Lernens bergen ein großes Potenzial bei der Analyse und Extraktion solcher forschungsrelevanten 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 klinisch relevante onkologische Fragen anzugehen. Darüber hinaus soll die Kultur des Datenteilens für Forschungszwecke gefördert werden.

In dem Projekt FLabNet werden die Bereiche der modernen Netzwerkmedizin und der föderierten Analyse von Labordaten kombiniert, um Krankheitsverläufe in der Kinderonkologie besser vorhersagen zu können. In der Netzwerkmedizin werden Krankheiten dabei anhand der zugrunde liegenden molekularen Mechanismen beschrieben und nicht wie bisher üblich auf Basis von Symptomen klassifiziert. Konkret geht es im Projekt um die bessere Vorhersage von Chemotherapie-induzierten Nebenwirkungen und die Früherkennung seltener bösartiger Erkrankungen. Basierend auf mehr als 54 Millionen Labormessungen von mehr als 500.000 Patientinnen und Patienten sollen personalisierte Netzwerke erstellt werden, die patientenspezifische Zusammenhänge und Abhängigkeiten von Gesundheits- und Krankheitsmerkmalen darstellen. FLabNet verwendet dafür den Kerndatensatz der Medizininformatik-Initiative, der an allen deutschen Universitätskliniken verfügbar ist und dezentral abgerufen werden kann.