Eine KI-Plattform, die Bildgebungsdaten und -modelle integriert und die Präzisionsversorgung durch das Kontinuum von Prostatakrebs unterstützt

Prostatakrebs (PCa) ist in Europa die zweithäufigste Krebsart bei Männern und die dritthäufigste. Aktuelle klinische Praktiken, die häufig zu Überdiagnosen und Überbehandlungen indolenter Tumoren führen, leiden unter mangelnder Präzision und verlangen nach fortschrittlichen KI-Modellen, die über SoA hinausgehen, indem sie nicht intuitive, medizinische Bildmuster auf hohem Niveau entschlüsseln und die Leistung bei der Unterscheidung von indolenten und aggressiven Erkrankungen steigern. Frühe Vorhersage von Rezidiven und Erkennung von Metastasen oder Vorhersage der Wirksamkeit von Therapien. Bislang sind die Bemühungen fragmentiert, basierend auf Datensätzen von einzelnen Institutionen, mit begrenzter Größe und anbieterspezifischen Datensätzen, während verfügbare öffentliche PCa-Datensätze (z. US TCIA) sind nur wenige hundert Fälle, die eine Verallgemeinerung des Modells unmöglich machen.

Das ProCAncer-I-Projekt bringt 20 Partner zusammen, darunter PCa-Referenzzentren, weltweit führende Unternehmen in der KI und innovative KMU mit anerkanntem Fachwissen in ihren jeweiligen Bereichen, mit dem Ziel, eine cloudbasierte, sichere europäische Bildinfrastruktur zu entwerfen, zu entwickeln und aufrechtzuerhalten Tools und Dienste für die Datenverarbeitung. Die Plattform beherbergt die weltweit größte Sammlung von PCa multiparametrischen (mp)MRT, anonymisierten Bilddaten (>17.000 Fälle), basierend auf Datenspenden, in Übereinstimmung mit der EU-Gesetzgebung (DSGVO). Robuste KI-Modelle werden auf der Grundlage neuartiger Ensemble-Lernmethoden entwickelt, die zu herstellerspezifischen und -neutralen KI-Modellen für die Behandlung von 8 PCa-Klinikszenarien führen.

Um die klinische Übersetzung von PCa-KI-Modellen zu beschleunigen, konzentrieren wir uns darauf, das Vertrauen in die Lösungen in Bezug auf Fairness, Sicherheit, Erklärbarkeit und Reproduzierbarkeit zu verbessern. Metriken zur Überwachung der Modellleistung und eine kausale Erklärbarkeitsfunktion werden entwickelt, um das klinische Vertrauen weiter zu erhöhen und über mögliche Ausfälle und Fehler zu informieren. Eine Roadmap für die Zertifizierung von KI-Modellen wird definiert, die mit den Regulierungsbehörden interagiert und so zu einer europäischen regulatorischen Roadmap zur Validierung der Wirksamkeit von KI-basierten Modellen für die klinische Entscheidungsfindung beiträgt.