Freitag, 15. Januar 2021
Navigation öffnen
Anzeige:
Imfinzi NSCLC
Imfinzi NSCLC
Medizin

17. September 2020 Künstliche Intelligenz in der Onkologie

Krebs bekämpfen mit maschinellem Lernen: Prof. Dr. Dr. Jens Kleesiek nutzt es bei der Suche in medizinischen Daten nach Mustern für die Krankheit. Er hat die Professur für Translationale bildgestützte Onkologie an der Medizinischen Fakultät der Universität Duisburg-Essen (UDE) angenommen.
Anzeige:
Adakveo
 
Maschinelles Lernen (ML) funktioniert über Algorithmen, die aus Erfahrung und Beispielen komplexe Modelle erstellen. Es bildet Gesetzmäßigkeiten ab, wobei sich die Ergebnisse am Wissen von Experten oder an Naturgesetzen orientieren. Unüberwachte Lernverfahren arbeiten ohne Zielwerte, nur mit dem, was eingegeben wurde, und suchen in riesigen Datenmengen nach einer Struktur. „Was wir erhalten, unterstützt uns bei der Diagnose und Therapie von Patienten“, sagt Professor Jens Philipp Kleesiek.

Der 43-jährige Mediziner ist zugleich promovierter Informatiker. Er analysiert Bildaufnahmen und klinische Daten von Patienten mit ML-Verfahren. Dies hilft u.a., Prognosen genauer zu erstellen oder das Therapieansprechen vorherzusagen. „Die Zusammenhänge wären aufgrund ihrer hohen Komplexität sonst nicht zugänglich“, sagt Kleesiek. Er möchte den Kurs Digitale Medizin an der UDE als ein Angebot für Medizin- und Informatik-Studierende etablieren. „Sie könnten etwa eine medizinische Smartphone-App in ihrer Abschlussarbeit entwickeln.“

Am Institut für Künstliche Intelligenz in der Medizin (IKIM) des Universitätsklinikums Essen (UK Essen) möchte Kleesiek das ML u.a. weiterentwickeln. „Die Methoden sollen im Alltag des Essener Uniklinikums integriert und an mehreren Zentren gleichzeitig für klinische Studien genutzt werden“, so der KI-Experte. Zudem arbeitet er an Methoden, mit denen sich medizinische Bilddaten mit (un)strukturierten Quellen wie radiologischen, pathologischen oder Laborbefunden und Genprofilen verbinden lassen. „Wir könnten auch Daten aus Wearables wie Smartwatches hinzuziehen. Damit wäre es möglich, mit ML Aussagen über wahrscheinliche Phänomene zu machen und so Ärzte bei Diagnostik und Therapie zu unterstützen – alles zum Wohle der Patienten“, so Kleesiek.

Jens Kleesiek studierte Medizin an der Universität Heidelberg (1997-2004) und wurde dort 2006 promoviert. Von 2005 bis 2008 absolvierte er zudem ein Bioinformatik-Studium an der Universität Hamburg, wo er 2012 seine Doktorarbeit im Fachbereich Informatik abgab. Danach übte er u.a. leitende Tätigkeiten in der medizinischen Softwareindustrie aus (2015-2018). Bevor der Facharzt für Radiologie an die UDE kam, leitete er am Deutschen Krebsforschungszentrum in Heidelberg die AG Computational Radiology. Seine Forschung wurde mehrfach gefördert und ausgezeichnet

Das IKIM wurde Anfang 2019 von der UDE-Fakultät für Medizin und dem UK Essen gegründet. Es ist deutschlandweit eines der ersten seiner Art und startet mit fünf eigens neu eingerichteten Professuren. Digitalisierung und KI sollen mit IKIM in Forschung, Lehre und Krankenversorgung in Essen analysiert und an den anderen universitätsmedizinischen NRW-Standorten nutzbar gemacht werden. Das Institut wird im Herbst 2020 seine Arbeit aufnehmen und perspektivisch über 100 Mitarbeiter beschäftigen.

Quelle: Universität Duisburg-Essen


Anzeige:
Infothek Sekundäre Immundefekte

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Künstliche Intelligenz in der Onkologie"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der Medical Tribune Verlagsgesellschaft mbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.


ASH 2020
  • Phase-III-Studie ASCEMBL bei resistenten/intoleranten Patienten mit CML: STAMP-Inhibitor Asciminib deutlich effektiver als TKI Bosutinib
  • Ruxolitinib-resistente/-intolerante MF-Patienten profitieren im klinischen Alltag möglicherweise von einer Rechallenge
  • Real-world-Daten zu PV: Rechtzeitige Umstellung von HU auf Ruxolitinib wirkt möglicherweise Anstieg thromboembolischer Ereignisse entgegen
  • 5-Jahres-Daten der RESPONSE-2-Studie: Überlegenheit von Ruxolitinib gegenüber BAT im Langzeitverlauf bestätigt
  • Phase-I-Studie: Anhaltendes molekulares Ansprechen mit neuem BCR-ABL-Inhibitor Asciminib bei CML-Patienten mit T315I-Resistenzmutation
  • Patienten mit ITP sind emotional erheblich belastet
  • r/r DLBCL: Vielversprechende erste Daten zur CAR-T-Zell-Therapie mit Tisagenlecleucel in Kombination mit Ibrutinib
  • r/r FL: CAR-T-Zell-Therapie mit Tisagenlecleucel wirksam und sicher
  • Myelofibrose: Ruxolitinib-Startdosis von 10 mg 2x tägl. auch bei initial niedriger Thrombozytenzahl sicher anwendbar
  • Phase-III-Studie REACH3: Ruxolitinib bei chronischer steroidrefraktärer oder steroidabhängiger GvHD wirksamer als die beste verfügbare Therapie