Das Projekt zielt darauf ab, die Behandlung von Melanomen durch KI- und maschinelle Lerntechnologien grundlegend zu verbessern. Der Human Melanoma Proteome Atlas liefert umfassende pathologische, klinische und molekulare Charakterisierungen von Tumoren und ermöglicht die präzise Identifikation von Biomarkern und therapeutischen Zielen. Hierzu wird ein KI-Workflow für digitale Pathologie entwickelt und eine Methode zur Einzelzell- und Klonisolation durch ultra-sensible Proteomik mittels Deep Visual Proteomics. Ziel ist es, Bulk-Proteomik-Daten um räumliche Informationen zu erweitern, die Protein-Biomarker, Gewebestrukturen, Zellanordnungen und das Tumor-Mikroumfeld umfassen. Hochauflösende Gewebeschnitte werden mithilfe von Deep-Learning-Techniken und einem Deep Convolutional Neural Network analysiert, um Geweberegionenähnlichkeit zu bewerten. Augmentationstechniken für verschiedene Färbeverfahren werden berücksichtigt. Das Projekt adressiert die Komplexität und Heterogenität des Melanoms, ein Haupthindernis für präzise Diagnosen und Therapien. Einzelzellanalysen verbessern die diagnostische Genauigkeit und ermöglichen eine präzisere Behandlungsplanung. Durch die Erfassung morphologischer Merkmale und die Anwendung von KI-Algorithmen können Krebszellklone identifiziert und molekulare Expressionsprofile ergänzt werden. Die Validierung prädiktiver Biomarker und therapeutischer Ziele wird die diagnostische Genauigkeit und Behandlungsprotokolle optimieren und neue Standards in der Onkologie setzen. Die Aufgaben des Helmholzzentrums München ist die Entwicklung eines KI-basierten Bildanalysewerkzeugs zur Extraktion von Zell-, Klon-, Gewebe-, Mikroumgebung- und Morphologiemerkmalen sowie die Einführung neuer Zell-, Klon und Gewebe-Annotationstools. Das Vorhaben ist Teil des transnationalen Verbundprojekts " PerMel-AI" der Förderinitiative "EP PerMed". Der Verbund wird durch eine niederländische Arbeitsgruppe koordiniert und hat insgesamt sechs Projektpartner.