Bösartige Tumore der Niere sind vergleichsweise selten und werden oft zufällig diagnostiziert. Es ist aktuell nicht gut vorhersehbar, wie sich die Erkrankung individuell entwickeln wird. Verfahren der künstlichen Intelligenz (KI) können hier Abhilfe schaffen, indem sie anhand medizinischer Daten klinische Parameter vorhersagen. Allerdings benötigt das Training von KI-Modellen sehr viele Daten. Bei einer seltenen Erkrankung wie dem Nierenzellkarzinom bzw. für komplexere Fragestellungen wie der Vorhersage der Überlebenszeit ist das Sammeln ausreichend großer Datenmengen schwierig - nicht zuletzt, da die Weitergabe an Dritte aus Datenschutzgründen problematisch ist. Das Projekt SWAG wird hierfür eine Lösung entwickeln, indem KI-Methoden entwickelt werden, die aus echten Patientendaten synthetische Daten generieren. Diese synthetischen Daten werden durch Experten nach definierten Kriterien qualitätsgeprüft, damit die klinisch relevanten Informationen enthalten sind, aber kein Bezug mehr zu sensiblen Patientendaten mehr besteht. Hierzu werden diese generativen KI-Algorithmen über mehrere Krankenhäuser hinweg mittels Schwarmlernen gemeinsam trainiert, ohne die eigentlichen Daten austauschen zu müssen. Das Verfahren stellt eine Alternative zum föderierten Lernen mit zentralem Server dar. Am Ende des Projekts SWAG steht ein multizentrisches, generatives Modell, das realistische synthetische Daten erzeugt. Diese synthetischen Daten werden qualitativ und quantitativ evaluiert und klinisch relevante Entscheidungsmodelle trainiert, um sie gemeinsam mit der gesamten Technologie öffentlich verfügbar zu machen. In diesem Zusammenhang wird eine Data-Challenge veranstaltet, in welcher Teilnehmende die synthetischen Daten nutzen, um prognostische KI-Modelle zu verbessern. SWAG wird somit technische Innovationen schaffen, um die Versorgung von Patientinnen und Patienten mit Nierenzellkarzinom und anderen Tumorerkrankungen zu verbessern.