BMG geförderte Projekte im HKR

„Krebsregisterdaten zusammenführen und intelligent nutzen:
Innovationsprojekte für Künstliche Intelligenz“

Das Hessische Krebsregister (HKR) ist Teil der vom Bundesministerium für Gesundheit (BMG) geförderten Projekte. Mittels künstlicher Intelligenz (KI) werden Datenmengen zusammengeführt, die Datenqualität verbessert und wissenschaftliche Fragestellungen bearbeitet.

KI-unterstützte, versorgungsnahe Nutzung von Krebsregisterdaten

Hintergrund

Krebs ist nach wie vor die zweithäufigste Todesursache in Deutschland, trotz der stetigen Verbesserungen und Optimierungen in der Früherkennung, Diagnostik und Behandlung.

Mit in Kraft treten des Krebsfrüherkennungs- und –registergesetzes in 2013 erfolgte der Aufbau von klinischen Landeskrebsregistern, in denen neben den epidemiologischen Kennzahlen zusätzlich ein umfangreicher klinischer Datensatz erhoben wird, in dem Informationen zu Eigenschaften und Aussagen über Tumore, Therapien und Verläufe registriert werden. In diesem Jahr werden erstmals von allen Landeskrebsregistern klinische Daten ab dem Diagnosejahr 2020 an das Zentrum für Krebsregisterdaten am Robert Koch-Institut übermittelt. Die weitreichende Nutzung der Krebsregisterdaten wird nun vom Bundesministerium für Gesundheit (BMG) in einem Förderprojekt unterstützt.

Laut dem Ausschreibungstext des BMG ist das Ziel der Förderung „die Verknüpfung der dezentralen Krebsregisterdaten als Grundlage für künftige KI-Auswertungen als auch die Beschreibung der Potentiale von KI bei der Auswertung von Krebsregisterdaten. Dies soll letztendlich der Verbesserung von Versorgung und Forschung dienen. Die Erkenntnisse sollen sowohl zur Nutzung von KI-Methoden bei der Auswertung von Krebsregisterdaten als auch zur Förderung vernetzter Dateninfrastrukturen dienen.“

Die Zusammenführung über eine KI, kann über Computeralgorithmen des Maschinellen Lernens, Neuronale Netzwerke und Deep-Learning-Systeme erfolgen. Maschinelles Lernen ist eine Form der Datenanalyse, die den Aufbau und die Anpassung von Modellen beinhaltet, aus Erfahrungen lernt und Vorhersagen verbessert. Neuronale Netzwerke und Deep-Learning-Systeme, welche u.a. in der Bildanalyse Anwendung finden, verwenden eine Reihe von Funktionen, um ein Eingangssignal zu verarbeiten, welches über mehrere Stufen in die erwartete Ausgabe übersetzt wird.

Das Projektvorhaben wurde zum 01.09.2022 gestartet mit einer Laufzeit von drei Jahren. Das HKR beteiligt sich an vier dieser Projekte.

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.

Ziele

Durch die Analyse großer Mengen von Daten aus Krebsregistern können wertvolle Erkenntnisse gewonnen werden, die dazu beitragen können, die Diagnose, Behandlung und Prävention von Krebs zu verbessern. KI ist in der Lage, große Datenmengen schnell und effizient zu verarbeiten. Durch den Einsatz von Algorithmen und maschinellem Lernen kann KI Muster und Zusammenhänge in den Daten erkennen, die für menschliche Expertise möglicherweise schwer zu erkennen sind. Dies ermöglicht es, neue Erkenntnisse und Hypothesen zu generieren, die weiter erforscht werden können.

Insgesamt hat die Zusammenführung der Krebsregisterdaten durch KI das Potenzial, einen bedeutenden Fortschritt in der Krebsforschung und –behandlung zu ermöglichen. Krebs ist eine komplexe Krankheit, die viele verschiedenen Faktoren und Variablen umfasst. Die Ergebnisse der vom BMG geförderten Projekte bieten Ärztinnen und Ärzten, Praxen und Kliniken einen tieferen Einblick in die onkologische Versorgung. Die Versorgungsqualität wird sich dadurch deutlich verbessern. Durch die KI können die Daten harmonisiert und die Auswertungen unterstützt und erweitert werden, was die Möglichkeiten der wissenschaftlichen Nutzung der Krebsregisterdaten erweitert. Es wird angestrebt, dass die Ergebnisse für die beteiligten Krebsregister nutzbar sein sollen und zusätzlich der Öffentlichkeit frei zugänglich zur Verfügung gestellt werden.

Weitere Informationen finden Sie unter:

Logos AI-Care und onkoFDZ

Newsletter

Mit unserem Newsletter erhalten Sie regelmäßig aktuelle Informationen rund um das Krebsregister bequem in Ihr E-Mail-Postfach.

Fragen? Ich berate Sie gerne!

Dr. med. Soo-Zin Kim-Wanner<br>

Dr. med. Soo-Zin Kim-Wanner
Leitung
Telefon: 0611 3259-1440
Per E-Mail kontaktieren