Hautkrebs ist die häufigste Krebsart beim Menschen und stellt Betroffene sowie Gesundheitssysteme weltweit vor enorme Herausforderungen. Ziel des acht Partner umfassenden Verbundprojektes mit dem Verbundkoordinator Prof. Dr. Steffen Emmert der Klinik und Poliklinik für Dermatologie und Venerologie der Universitätsmedizin Rostock ist es, die Krankheitslast durch innovative Diagnostikverfahren, fortschrittliche Therapieansätze und ein tiefergehendes Verständnis molekularer Tumormuster zu verringern.
Photonische Technologien und KI-assistierte Imagingverfahren haben das Potential für eine nicht-invasive smarte Hautkrebsdiagnostik der nächsten Generation. Im Projekt werden Geräte zur nicht-invasiven Hautkrebsdiagnostik mittels einer Kombination der photonischen Technologien OCT, OA, Raman und HUS sowie unter Einsatz hyperspektraler Bildgebung entwickelt.
Ein weiterer Schwerpunkt ist die Entwicklung einer für die Hautkrebsbehandlung optimierten Kaltplasma-Technologie. Dafür werden Gerätetechnologien der Plasmabehandlung umfassend untersucht: von Zellmodellen (in vitro) über Eitestverfahren (in ovo) bis hin zu klinischen Anwendungen am Patienten. Die Arbeiten beleuchten insbesondere den Einfluss von hypoxischen Bedingungen und oxidativem Stress auf die Therapieeffizienz.
Um Hautkrebs noch gezielter behandeln zu können, stehen weitere molekulare Analysen im Fokus. Histologische Untersuchungen, räumlich aufgelöste Transkriptom-Analysen und „Omics“-Daten sollen helfen, Tumorausbreitungsfaktoren und die Wirkung neuer Therapieansätze zu identifizieren.
Alle im Projekt generierten Daten fließen in ein klinisches Entscheidungsunterstützungssystem (CDSS) ein. Dieses KI-basierte System ermöglicht eine präzisere Diagnose und individuelle Therapieentscheidungen.
Aufgabe der Hochschule Wismar im Verbundprojekt ist die Weiterentwicklung der hyperspektralen Bildgebung und die hardware- und softwareseitige Anpassung an die Anforderungen zur Untersuchung kleiner Hautareale, Untersuchungen im Tiermodell und an in vitro Proben. Für die Verlaufskontrolle nach verschiedenen Behandlungsszenarien, bieten die spektrale Bildgebung ein hohes Potenzial. Durch die zu erwartende hohe Zahl annotierter Datensätze können spektrale Signaturen unterschiedlicher Gewebearten herausgearbeitet und Methoden des maschinellen Lernens genutzt werden. Dies wird zur Weiterentwicklung der optischen Biopsie beitragen und in ein klinisches Entscheidungsunterstützungssystem (CDSS) einfließen.
