Detailseite
Bildgebende Biomarker der nächsten Generation in der Neuroonkologie unter Einsatz künstlicher Intelligenz: Überwindung der wichtigsten Herausforderungen auf dem Weg zu klinisch anwendbarer KI
Antragsteller
Professor Dr. Klaus Maier-Hein; Professor Dr. Philipp Vollmuth
Fachliche Zuordnung
Radiologie
Förderung
Förderung von 2019 bis 2023
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428223917
In den letzten Jahrzehnten wurden enorme Fortschritte bei der Verbesserung der Behandlung von Krebspatienten und der Behandlungsergebnisse erzielt. Hirntumoren, die im Mittelpunkt dieses Antrags stehen, sind aufgrund ihrer enormen Heterogenität und der ihnen zugrundeliegenden komplexen Biologie, jedoch weiterhin mit einer überwiegend schlechten Prognose assoziiert. Die Hoffnung liegt jedoch in individualisierten und molekular zielgerichteten Behandlungskonzepte. In diesem Kontext ist es von entscheidender Bedeutung geworden, genaue und breit anwendbare Biomarker zu entwickeln, um die Wirksamkeit dieser neuartigen Therapien zu beurteilen. Die Magnetresonanztomographie (MRT) hat hier einen besonderen Stellenwert und jüngste Fortschritte auf dem Gebiet der künstlichen Intelligenz (KI) haben bemerkenswerte Fortschritte bei der quantitativen Auswertung radiologischer Bilddaten gezeigt. Im Rahmen dieses Projektes werden wir auf unsere Schlüsselentwicklungen aus der ersten Förderperiode des SPP-2177 aufbauen und diese weiter ausbauen, mit dem Ziel, die Lücke zur Umsetzung von klinisch anwendbarer KI im Bereich der Hirntumorbildgebung zu schließen. Durch die Nutzung einer großen multimodalen Datenressource mit mehr als 5000 Patienten (longitudinale multiparametrische MRT, molekulare und klinische Daten) aus zuvor durchgeführten prospektiven klinischen Studien in der Neuroonkologie werden die folgenden Hauptziele in unserem Antrag verfolgt: (1) weitere Verbesserung der Performance, Generalisierbarkeit und des klinischen Nutzens unserer zuvor entwickelten KI-Modelle zur automatisierten Tumorsegmentierung zur quantitativen Bewertung von Hirntumoren in der MRT durch die Implementierung zeitlich konsistenter, auf Unsicherheit bedachter und kontinuierlich lernender Modelle; (2) Implementierung neuartiger, die Privatsphäre schützender KI-Techniken, die es ermöglichen, die Notwendigkeit der gemeinsamen Nutzung von Daten zwischen Einrichtungen zu überwinden, wenn Daten mehrerer Einrichtungen für die Entwicklung von KI-Modellen verwendet werden; und (3) Implementierung interpretierbarer Vorhersagen von KI-Modellen um damit die "Blackbox"-Natur von KI-basierten Klassifizierungsmodellen zu adressieren. Die erwarteten Entwicklungen zielen darauf ab, die wichtigsten Herausforderungen auf dem Weg zu einer klinisch anwendbaren KI im Bereich der Hirntumor-Bildgebung zu überwinden, sollen darüber hinaus jedoch auch als Vorlage für die sinnvolle Anwendung von KI im Bereich der Radiologie im Allgemeinen dienen.
DFG-Verfahren
Schwerpunktprogramme