Verbundprojekt: Künstliche Intelligenz zur Stratifizierung von Prostatakrebspatienten und zur Anleitung von Interventionen; Teilvorhaben: Charakterisierung von multiparametrischer ("omics" und bildgebende) Daten und Vermarktung eines Tests zur Stratifizierung von Prostatakrebspatienten

ProSTRAT-AI ist ein Kooperationsprojekt zwischen zwei forschungsintensiven KMUs aus Deutschland (mosaiques diagnostics, MOS) und Kroatien (Atomic Intelligence, ATMC), mit umfangreichem Fachwissen in den Bereichen großer klinischer und "omics"-basierten Studien, Marketing und IPR-Management von diagnostischen Produkten (MOS) sowie der Computertechnologie und der KI-Pipelines für Big Data Datenverarbeitung, Datenschutz und -sicherheit (ATMC). ProSTRAT-AI basiert auf der Hypothese, dass ein auf künstlicher Intelligenz (KI) basierendes multiparametrisches Modell, die mit der Heterogenität von Prostatakrebs (PCa) verbundenen Herausforderungen überwinden und im Vergleich zu herkömmlichen Methoden eine präzisere Diagnose und Prognose bieten kann, die für das Management des PCa dringend erforderlich ist. Hierbei integriert das Modell effizient klinische, molekulare ("omics"-basierte), demografische und bildgebende (MRT) Daten. Im Rahmen von ProSTRAT-AI hat MOS Zugang zu umfangreichen vorhandenen "omics" Daten, darunter mehr als 3.500 molekulare Protein-Profile von PCa-Patienten, die mit MOS' qualifiziertem System der Kapillarelektrophorese gekoppelt mit Massenspektrometrie (CEMS) gewonnen und mit klinischen, demografischen und bildgebenden (MRT) Variablen verknüpft wurden. Das Hauptergebnis des ProSTRAT-AI-Projekts wird ein KI-basierter "ProSTRAT-AI Test", sein, der bei der Entscheidung über die Anleitung der Behandlung von PCa-Patienten helfen soll. Der Test wird auf klinischen, omics (CE-MS), bildgebenden (MRT) und demografischen Daten basieren. Der ProSTRAT-AI Test ist für zwei klinische Zwecke vorgesehen, nämlich die Stratifizierung von PCa-Patienten bei der Erstdiagnose für sofortige Behandlung oder aktive Überwachung (AU) und die frühzeitige und genaue Erkennung klinisch signifikanter PCa während der AU, um den bestmöglichen Zeitpunkt für den Abbruch der AU und Beginn einer Behandlung zu bestimmen.