Forschungsprojekte

Im Folgenden werden ausgewählte Forschungsprojekte vorgestellt, an denen das Hessische Krebsregister beteiligt ist:

Das AI-Care Projekt (Artificial Intelligence for CAncer REgistration and Research) nutzt für die Zusammenführung Daten zu folgenden Entitäten: Lungenkrebs, Brustkrebs, Schilddrüsenkrebs, Non-Hodgkin-Lymphom. Es geht vor allem darum, konkrete Fragestellungen zu Datenzugriffsregelungen zu beantworten, sowie die datenschutzrechtliche Zusammenführung von dezentral vorgehaltenen Krebsregisterdaten zu optimieren. Ebenfalls sind Themen wie Standardisierung und Normierung von Daten als Vorbereitung für KI-Anwendung und -Entwicklung von großer Bedeutung, um Vorhersagen über Krankheitsverläufe zu verbessern.

Das Projekt onkoFDZ (Krebs-Forschungsdatenzentrum - KI-gestützte Evidenzgenerierung aus versorgungsnahen Daten klinischer Krebsregister, GKV-Routinedaten, Klinikdaten und deren Linkage) bezieht sich auf das kolorektale Karzinom (Darmkrebs) und führt Daten, aus sieben klinischen Krebsregistern (KKR) mit weiteren versorgungsnahen medizinischen Daten, wie beispielsweise der Krankenkassen zusammen, um zusätzliche Informationen zu Begleiterkrankungen, Therapien oder Studiendaten für Fragestellungen verwenden zu können. Hier findet das maschinelle Lernen seine Anwendung, um Aussagen über Einsatz und Wirksamkeit verschiedener Behandlungen zu treffen. Vorrangig sollen Fragestellungen beantwortet werden, welche die klinische S3 Leitlinie „Kolorektales Karzinom“ derzeit noch nicht beantworten kann.

Im Projekt TeMek (Textmining von Meldungstexten für einheitliche Klassifikationen) soll erforscht werden, wie sogenannte „Textmining“-Methoden genutzt werden können um anhand krankheitsbedingter Befunde leichter an Informationen aus den Freitextdaten zu gelangen. Dazu werden die neuesten Verfahren aus dem Bereich der „Deep-Learning“-basierten Sprachverarbeitung eingesetzt, auf die sprachliche Domäne der Erkrankung optimiert und bei Bedarf um nötige Module erweitert. Mit Hilfe spezieller Algorithmen sollen beispielsweise Bestätigungsprozesse automatisiert und im Freitext Unregelmäßigkeiten erkannt werden. Dies soll die Krebsregister bei Dokumentationsprozessen unterstützen und deren Effizienz steigern. Die entwickelten Algorithmen sollen einzeln untersucht und technisch möglichst unabhängig mit definierten und standardisierten Schnittstellen von allen Registern genutzt werden können.

Das Projekt ZuVaki (Zusammenführen und Validieren von Krebsregisterdaten durch KI-Verfahren) verfolgt das Ziel, die Möglichkeiten von KI-Verfahren zur Qualitätssicherung von Krebsregisterdaten zu untersuchen. Aus unterschiedlich gemeldeten Informationen zu Tumorerkrankungen einer Patientin oder eines Patienten an die Krebsregister werden die brauchbarsten Informationen ausgewählt und zusammengestellt. Das wird notwendig, da den Registern zu einzelnen Anlässen teilweise mehrere verschiedene Meldungen übermittelt werden, die sich zum Teil inhaltlich ergänzen, aber auch widersprechen können. Auf diesem Wege entsteht der sogenannte Best-Of-Datensatz. Durch eine höhere Automatisierung und eine bessere Fehlererkennung könnten Daten für Auswertungen schneller und qualitätsgesichert an Meldende bereitgestellt werden.