Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren
Digitale Prävention, Diagnostik und Therapiesteuerung

Abteilung Digitale Prävention, Diagnostik und Therapiesteuerung

PD Dr. Titus Brinker

Mittels Verfahren der künstlichen Intelligenz werden digitale Biomarker - wie z. B. hier im Gewebeschnitt der Haut - identifiziert, um eine genauere Diagnostik und eine bessere Therapieauswahl zu ermöglichen.
© dkfz.de

Die Entwicklung von Software für eine verbesserte non-invasive Früherkennung, Diagnostik- und Therapiesteuerung für die Onkologie mittels künstlicher Intelligenz ist der Forschungsschwerpunkt unserer interdisziplinären Forschungsgruppe. Ein 20-köpfiges Team aus den Bereichen Medizin, Molekularbiologie und Informatik/Data Science konzentriert sich auf die Identifikation relevanter Muster in Patientendaten sowie eine erhöhte Erklärbarkeit und Sicherheit von Entscheidungen der künstlichen Intelligenz. Wir sehen Softwaresysteme als Teil von klinischen Teams für eine effizientere Krankenversorgung und zugleich als Werkzeug für effektive Präventions- und Screening-Angebote. In diesen Bereichen gelangen uns in der Vergangenheit (seit 2020) vielbeachtete wissenschaftliche Erfolge; unsere mehr als 80 international begutachteten Forschungsarbeiten wurden über 5.000 mal zitiert und zahlreiche Projektergebnisse von internationalen Medien aufgegriffen. Mehr als eine Millionen Mal wurden Softwareprodukte oder Apps unserer Arbeitsgruppe heruntergeladen.

Sieben kürzlich bewilligte Drittmittelanträge beinhalten das MiRisk-Projekt (1), welches eine kostenlose App zur individuellen Bestimmung und Minimierung des Brustkrebsrisikos entwickelt. Im Rahmen des BAP-1-Konsortiums (2) teilen und erweitern wir unser Fachwissen bei der Erstellung von Histologie-Pipelines zur Stratifizierung von Patienten für die Arzneimittelentwicklung. Die Hector-Förderung (3) ermöglicht es uns, Spatial Transcriptomics für Deep-Learning-basierte Heterogenitäts-Scores zu integrieren, um die Metastasierung von Melanomen vorherzusagen. Das sKIn-Projekt (4) unternimmt die verbleibenden technischen und formalen Schritte, um unsere erklärbare Hautkrebs-KI zusammen mit einem Unternehmen in Dermatoskope einzubauen und sie auf diese Weise fest in Hautkrebsscreenings zu integrieren. MELCAYA (5) identifiziert neue Risikofaktoren für Melanome bei CAYAs. Eine Deep-Learning-Strategie für Hochdurchsatz-Proteomik (6) ermöglicht eine höhere Auflösung von Blutproben zur frühzeitigen Erkennung von Krebs. Eine Zusammenarbeit mit der Industrie wird zu individuelleren Sonnenschutzempfehlungen auf der Grundlage von epigenetischen Tests führen, die über KI aus Smartphone-Fotos ausgelesen werden. Eine verbesserte digitale Analyse von Sarkomen (7), die Interaktion von Sprachmodellen und klinischer Versorgung, erklärbare KI-Algorithmen für die Krebsvorsorge und die Optimierung von Präventions-Apps stellen ebenfalls aktuelle Projekte der Gruppe dar.

Auf den nachfolgenden Seiten können Sie mehr über die Menschen in unserem Team, ihre Arbeitsschwerpunkte, sowie die von unserer Gruppe derzeit bearbeiteten Projekte erfahren.

Kontakt

PD Dr. Titus Brinker
Digitale Prävention, Diagnostik und Therapiesteuerung (C140)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 223
69120 Heidelberg
Tel: +49 6221 425301

Ausgewählte Publikationen

  • Chanda, T., Hauser, K., Hobelsberger, S., Bucher, T. C., Garcia, C. N., Wies, C., ... & Brinker, T. J. (2024). Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma. Nature Communications, 15(1), 524.
  • Hetz, M. J., Bucher, T. C., & Brinker, T. J. (2024). Multi-domain stain normalization for digital pathology: A cycle-consistent adversarial network for whole slide images. Medical Image Analysis, 103149.
  • Brinker, T. J., Faria, B. L., de Faria, O. M., Klode, J., Schadendorf, D., Utikal, J. S., ... & Bernardes-Souza, B. (2020). Effect of a face-aging mobile app–based intervention on skin cancer protection behavior in secondary schools in Brazil: a cluster-randomized clinical trial. JAMA dermatology, 156(7), 737-745.
nach oben
powered by webEdition CMS