Visualisierung Krebsstudien

KI/Bioinformatik

Die Digitalisierung der Versorgungs-/Forschungsprozesse im BZKF führt zu klinischen Daten, Bilddaten, Bioprobeninformationen und molekularen Daten, die für innovative Verfahren der Bioinformatik und der Künstlichen Intelligenz nutzbar gemacht werden. 

Konzept:

Mittels Digitalisierung sollen  onkologische Versorgungs- und Forschungsprozesse optimiert und die ärztliche Entscheidungsfindung unterstützt werden. Die dabei entstehenden Datenbestände der BZKF-Partner sollen standortbezogen integriert und standortübergreifend harmonisiert werden. Dabei sind internationale Standards (HL7 FHIR, IHE, SNOMED CT, LOINC, ICD-10/O, ADT-Datensatz, Kerndatensatz der MII, EPA MIOs, …) zu berücksichtigen.  In enger Abstimmung und Kooperation mit der BZKF AG IT sind zunächst grundlegende Basisinfrastrukturen zu definieren, zu konzipieren und zu etablieren.

Ausgangslage

» Tumordokumentationssystem an jedem Standort
» Biobankmanagementsystem an jedem Standort
» Keine Standorte übergreifende Datennutzung für wissenschaftlichen Erkenntnisgewinn

Handlungsfelder

» Datenintegration
» Harmonisierung auf gemeinsames Datenmodell
» föderierte Auswertungen
» standardisierte bioinformatische Pipelines
» verteiltes Maschinelles Lernen
» gemeinsame Lösung zur Therapieunterstützung im Molekularen Tumorboard

Mehrwert

» neue KI-basierte Klassifikations-ansätze und Prognosemodelle
» Unterstützung der Ärzt*innen bei Therapieentscheidungen
» Bessere Versorgung onkologischer Patient*innen

Langfristige Ziele:

» Etablierung eines BZKF-weiten Forschungsdaten-Repositories mit klinischen Daten, Bilddaten, Probeninformationen und molekularen Daten
» Effiziente digitale Visualisierung Molekularbiologischer Analyseergebnisse
» Standortübergreifende Entscheidungsunterstützung bei der Therapiefindung in Molekularen Tumorboards
» Entwicklung innovativer bioinformatischer Pipelines und neuer KI-basierter Entscheidungsunterstützung

Sprecher:

Prof. Dr. Hans-Ulrich Prokosch, Universitätsklinikum Erlangen

Status Quo (2024):

BZKF Leuchtturm KI and Bioinformatik (pdf)

Aufzeichnung der KI-Webinarreihe

Real World Federated Learning in Radiology: Hurdles to overcome and Benefits to gain
Welche Hindernisse müssen gemeistert werden, um Federated Learning in reale radiologische Anwendungen zu integrieren?
Referent: Markus Bujotzek, DKFZ Heidelberg

Vimeo

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren

Video laden

Wir freuen uns auf Ihre Nachricht: