Künstliche Intelligenz zur Erforschung der Krebsmetastasierung – BMBF fördert das Projekt DECIPHER‑M
Das zweite „Grand-Challenge“-Projekt DECIPHER-M nutzt KI-Technologien, um die komplexen Mechanismen der Krebsverbreitung zu entschlüsseln. Ziel ist es, individuelle Metastasierungsrisiken präziser vorherzusagen und personalisierte Therapieansätze zu entwickeln.
Krebsmetastasen gehören zu den größten Herausforderungen der modernen Onkologie. Trotz bedeutender Fortschritte bleiben die frühzeitige Erkennung und präzise Vorhersage der Metastasierung eine große ungelöste Frage der Krebsforschung. Mit dem innovativen Forschungsprojekt DECIPHER‑M verfolgen die Projektmitglieder aus Aachen, Dresden, Essen, Heidelberg, Mainz und München einen interdisziplinären Ansatz, der mithilfe modernster KI-Technologien die komplexen Mechanismen der Krebsverbreitung entschlüsseln soll.
Ein interdisziplinärer Ansatz: KI trifft onkologische Expertise
Das Projekt startete am 1. März 2025 unter der Leitung von Prof. Dr. med. Jakob N. Kather, Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit, Technische Universität Dresden und Universitätsklinikum Carl Gustav Carus Dresden. Führende Expertinnen und Experten aus Medizin, Informatik und Biotechnologie arbeiten gemeinsam daran, die Ausbreitung von Krebszellen besser zu verstehen. „Trotz enormer Fortschritte bleibt die Metastasierung eine der größten Herausforderungen in der Krebstherapie“, so Prof. Kather. Indem mithilfe von Künstlicher Intelligenz komplexe Muster in klinischen Routinedaten identifiziert werden, sollen individuelle Metastasierungsrisiken genauer prognostiziert und personalisierte Therapieansätze entwickelt werden können.
Beitrag der KI zu einer präziseren Diagnostik und Therapie
Im Zentrum von DECIPHER‑M steht der Einsatz eines sogenannten multimodalen Basismodells, innerhalb dessen unterschiedliche Datenformate wie beispielsweise Text, Bild oder Audio- bzw. Videodateien gleichzeitig verarbeitet werden können. Im Fall von DECIPHER‑M verknüpft es verschiedene medizinische Daten miteinander – von Gewebeproben über Röntgen- und MRT-Bilder bis hin zu genetischen Informationen. Mithilfe von Künstlicher Intelligenz werden in diesen Daten komplexe Muster erkannt, die bislang schwer fassbare Zusammenhänge aufdecken und letztlich ermöglichen sollen, das Metastasierungsrisiko frühzeitig und präzise einzuschätzen. Die gewonnenen Erkenntnisse sollen dazu beitragen, Behandlungskonzepte zu optimieren und unnötige Therapien zu vermeiden, um langfristig die Überlebensraten von Krebspatientinnen und -patienten zu steigern.
Förderung für Spitzenforschung in der Krebsmedizin
Das Bundesministerium für Bildung und Forschung (BMBF) fördert das Projekt im Rahmen der Nationalen Dekade gegen Krebs zunächst für drei Jahre, wobei nach erfolgreicher Zwischenevaluation zwei weitere Jahre folgen können. Insgesamt beträgt die Fördersumme 9 Millionen Euro. Zu den beteiligten Institutionen zählen das Universitätsklinikum RWTH Aachen, das Else Kröner Fresenius Zentrum für Digitale Gesundheit an der Technischen Universität Dresden und dem Universitätsklinikum Carl Gustav Carus Dresden, das Universitätsklinikum Essen sowie die Universität Duisburg-Essen, das Deutsche Krebsforschungszentrum in Heidelberg, die Universitätsmedizin Mainz sowie das Helmholtz Zentrum München und das Klinikum der Technischen Universität München.
Im Rahmen des BMBF-Aufrufs für besonders innovative Forschungsvorhaben wurde DECIPHER‑M als eins von zwei „Grand Challenge“-Projekten ins Leben gerufen. DECIPHER‑M setzt auf den Einsatz von KI zur Erforschung der Mechanismen der Krebsmetastasierung – ein weiterer bedeutender Schritt in der Bewältigung großer ungelöster Fragen in der Krebsmedizin.
Weitere Informationen zum Projekt DECIPHER‑M finden Sie auf der Projektwebseite.
Projektpartner
- Prof. Dr. med. Jakob N. Kather, EKFZ für Digitale Gesundheit, Technische Universität Dresden und Universitätsklinikum Carl Gustav Carus Dresden
- Prof. Dr. med. Daniel Truhn, Klinik für Diagnostische und Interventionelle Radiologie, Uniklinik RWTH Aachen
- Prof. Dr. med. Dr. rer. nat. Jens Kleesiek, Institut für Künstliche Intelligenz in der Medizin, Universitätsklinikum Essen, Universität Duisburg-Essen
- Prof. Julia Schnabel, PhD, Institut für Maschinelles Lernen in der Biomedizinischen Bildgebung, Helmholtz Zentrum München und Technische Universität München
- PD Dr. med. habil. Keno Kyrill Bressem, Institut für Radiologie und Nuklearmedizin, Deutsches Herzzentrum München, TUM Klinikum, Technische Universität München
- PD Dr. med. habil. Sebastian Foersch, Institut für Pathologie, Universitätsmedizin Mainz
- Prof. Dr.-Ing. Lena Maier-Hein, Abteilung Intelligente Medizinische Systeme, Deutsches Krebsforschungszentrum, Heidelberg
- Prof. Dr. med. Carolin Schneider, Medizinische Klinik III, Uniklinik RWTH Aachen
- Dr. rer. nat. Priya Chudasama, Precision Sarcoma Research Group (Emmy-Noether Nachwuchsgruppe), Deutsches Krebsforschungszentrum, Heidelberg
