PRECISE-MD

PRECISE-MD (Pancreatic Ductal Adenocarcinoma and Hepatocellular Carcinoma: Advancing Diagnostic Strategies through Multicenter Data Integration and Biomarker Development) ist ein bundesweites Forschungsprojekt mit dem Ziel, eine multizentrische klinische Datenbank von Patientinnen und Patienten mit Pankreaskrebs oder hepatozellulärem Karzinom aufzubauen.

An PRECISE-MD beteiligen sich 20 universitäre Krebszentren in Deutschland. Es werden umfangreiche klinische und radiologische Daten systematisch erfasst und integriert. Dafür wird die bestehende RACOON-Infrastruktur des Netzwerks Universitätsmedizin (NUM) verwendet. Ziel ist die enge Integration der Infrastrukturelemente des NUM und der Medizininformatik-Initiative (MII) , insbesondere unter Einbindung der Bildgebungsinfrastruktur RACOON sowie der Datenintegrationszentren (DIZ). Erstmals wird in PRECISE-MD zudem ein klinischer Datensatz durch die zusätzliche Bereitstellung von histopathologischen Bilddaten verstärkt. Diese technische Erweiterung der bestehenden RACOON-Infrastruktur eröffnet neue analytische Möglichkeiten und stellt einen wesentlichen Mehrwert für die multimodale Charakterisierung der Tumorerkrankungen dar.

Auf Basis dieser multimodalen Datensätze sollen Algorithmen des maschinellen Lernens und der Künstlichen Intelligenz entwickelt werden. Die Algorithmen sollen in der Lage sein, verschiedene klinische Endpunkte vorherzusagen. Dazu gehören das Ansprechen auf eine systemische Therapie, die Zeit bis zum Versagen der systemischen Therapie sowie das Gesamtüberleben der Patienten. Insbesondere die Verknüpfung histopathologischer Informationen mit klinischen und bildgebenden Daten soll eine umfassende multimodale Analyse und eine erhöhte Aussagekraft der entwickelten Algorithmen im Hinblick auf Therapieansprechen und Prognose ermöglichen.

Die KI-basierte Analyse komplexer klinischer Daten bietet ein hohes Potenzial für eine weitergehende Personalisierung der Krebsbehandlung. Langfristig soll PRECISE-MD dazu beitragen, Therapieentscheidungen bereits vor Behandlungsbeginn zu optimieren und unerwünschte Nebenwirkungen zu reduzieren.

Die Projektziele werden durch eine enge, interdisziplinäre Zusammenarbeit von Expertinnen und Experten aus Medizin, Informatik, Datenwissenschaften und Technik verfolgt. Ergänzt wird dieser Ansatz durch die aktive Einbindung von Patientinnen- und Patientenvertreterinnen und -vertretern, die ihre Perspektiven in die Modellentwicklung einbringen. Auf diese Weise soll eine qualitativ hochwertige, transparente und patientenzentrierte Entwicklung der KI-Modelle sichergestellt werden.

Das Projekt wird federführend geleitet Prof. Dr. Rickmer Braren (Klinik für Diagnostische und Interventionelle Radiologie und Nuklearmedizin) und Prof. Dr. med. Marianne Sinn (II. Medizinische Klinik und Poliklinik).

Das duktale Pankreasadenokarzinom (PDAC) und das hepatozelluläre Karzinom (HCC) zählen zu den Tumorerkrankungen mit besonders ungünstiger Prognose. Über alle Krankheitsstadien hinweg liegen die 5-Jahres-Überlebensraten bei lediglich 11 % für das PDAC und 17 % für das HCC (Robert Koch-Institut, 2023). In fortgeschrittenen Krankheitsstadien, in denen eine alleinige operative Behandlung oder – im Fall des HCC – lokoregionäre Therapieverfahren nicht mehr möglich sind, stellt die systemische Tumortherapie den Behandlungsstandard dar. Die eingesetzten Therapiestrategien unterscheiden sich dabei je nach Tumorentität und Ausmaß der Erkrankung.

Für das Pankreaskarzinom ist die einzig potenzielle kurative Therapieoption eine Operation. Allerdings kommt es nach alleiniger Operation häufig zu einem Rezidiv, sodass nach Resektion gemäß der aktuellen deutschen Leitlinie eine adjuvante Chemotherapie mit FOLFIRINOX (Folinsäure, 5-Flourouracil, Irinotecan und Oxaliplatin) angeboten werden soll (Deutsche Krebsgesellschaft, Deutsche Krebshilfe, and AWMF, 2024). Jedoch ist zu beachten, dass nur bei ca. 20 % der Patient:innen die Diagnose eines primär resektablen PDAC gestellt wird. Bei ca. 30 % Patient:innen besteht ein lokalisiertes, aber fortgeschrittenes Stadium und bei ~50% wird die Erstdiagnose in einem fortgeschrittenen metastasierten Stadium gestellt. Patient:innen mit fokal fortgeschrittenen Tumoren sollten zunächst eine neoadjuvante Chemotherapie erhalten, um ein kuratives Behandlungskonzept mit anschließender Resektion zu ermöglichen (Belyaev and Uhl, 2019). Im metastasierten Stadium wird den Patient:innen zur Verbesserung der Lebensqualität und Überlebenszeit eine palliative Chemotherapie angeboten. Es stehen verschiedenen Kombinationstherapie zur Verfügung: FOLFIRINOX, Gemcitabin/nab-Paclitaxel oder NALIRIFOX (liposomales Irinotecan, Oxaliplatin, Folinsäure, 5-Flourouracil) Die Kombinationstherapien haben sich gegenüber einer alleinigen Gemcitabin-Monotherapie in Phase-III-Studien als überlegen erwiesen (Conroy et al., 2011; Von Hoff et al., 2013).

Trotz vergleichbarer Wirksamkeit zeigen sich auf individueller Ebene deutliche Unterschiede im Therapieansprechen sowie in den Nebenwirkungsprofilen. Die Auswahl der optimalen Erstlinientherapie ist daher von entscheidender Bedeutung – insbesondere vor dem Hintergrund begrenzter Überlebenszeiten und eingeschränkter alternativer Behandlungsoptionen. Beim metastasiertem PDAC beträgt das mediane Gesamtüberleben unter Chemotherapie etwa 9 bis 11 Monate (Hegewisch‐Becker et al., 2019; Stoop et al., 2025).

Für das hepatozelluläre Karzinom (HCC) stellt die systemische Immuntherapie mit dem Checkpoint-Inhibitor Atezolizumab in Kombination mit dem VEGF-Antikörper Bevacizumab derzeit die bevorzugte Erstlinientherapie dar (Deutsche Krebsgesellschaft, Deutsche Krebshilfe, and AWMF, 2025). In einer randomisierten Phase-III-Studie konnte für diese Kombination ein signifikanter Überlebensvorteil gegenüber der bisherigen Standardtherapie mit dem Tyrosinkinase-Inhibitor (TKI) Sorafenib gezeigt werden (Finn et al., 2020; Roy, 2022). Eine weitere zugelassene Erstlinienoption ist die duale Checkpoint-Inhibitor-Therapie mit Durvalumab und Tremelimumab, welche insbesondere bei Kontraindikationen gegen Bevacizumab eingesetzt wird (Deutsche Krebsgesellschaft, Deutsche Krebshilfe, and AWMF, 2025).

Seit der Einführung der Immuncheckpoint-basierten Kombinationstherapien findet eine Erstlinientherapie mit TKIs wie Lenvatinib oder Sorafenib vorwiegend bei Patientinnen und Patienten Anwendung, bei denen eine Immuntherapie nicht möglich ist, z. B. aufgrund einer Autoimmunererkrankung. Aktuelle Daten deuten jedoch darauf hin, dass das Therapieansprechen auf Immun- versus TKI-basierte Behandlungsstrategien von der Ätiologie der zugrunde liegenden Lebererkrankung beeinflusst sein könnte. Insbesondere bei Patientinnen und Patienten mit metabolischer Dysfunktion assoziierter steatotischer Lebererkrankung wurde ein besseres Ansprechen auf TKI-Therapien beschrieben (Llovet et al., 2023). Aus den derzeit verfügbaren Daten lassen sich jedoch bislang keine klaren, ätiologiespezifischen Therapieempfehlungen ableiten.

Ähnlich wie beim Pankreaskarzinom bleiben die Behandlungsergebnisse auch unter modernen Kombinationstherapien limitiert. So leben zwölf Monate nach Beginn einer Therapie mit Atezolizumab und Bevacizumab nur etwas mehr als zwei Drittel der behandelten Patientinnen und Patienten, während das mediane progressionsfreie Überleben unter sieben Monaten liegt (Finn et al., 2020). Analog zum Vorgehen beim PDAC wird das Tumoransprechen in der Regel nach acht bis zwölf Wochen mittels Schnittbildgebung (CT oder MRT) evaluiert. Beim HCC werden hierbei neben Veränderungen der Tumorgröße auch komplexe bildmorphologische Kriterien wie die Tumorvaskularisation berücksichtigt.

Trotz erheblicher Fortschritte in der personalisierten Onkologie in den vergangenen Jahren fehlen für das hepatozelluläre Karzinom ebenso wie für das duktale Pankreasadenokarzinom weiterhin valide prädiktive Biomarker, die eine verlässliche Vorhersage des individuellen Therapieansprechens erlauben. Diese diagnostische Lücke stellt eine zentrale Herausforderung dar und unterstreicht den hohen medizinischen Bedarf an datengetriebenen, personalisierten Entscheidungsmodellen.

Koordinatorinnen und Koordinatoren

Universitätsklinikum Hamburg-Eppendorf

• Prof. Dr. med. Rickmer Braren (Radiologie)
• Prof. Dr. med. Marianne Sinn (Onkologie)

Klinikum rechts der Isar der TU München

• Prof. Dr. med. Rickmer Braren (Radiologie)
• Professor Dr. med. Martin Boeker, M.C.Sc. (Informatik)
• Professor Dr. Daniel Rückert (Informatik)
• Priv.-Doz. Dr. Dr. med. Ursula Ehmer (Innere Medizin)

Friedrich-Alexander-Universität Erlangen-Nürnberg

• Professor Dr. med. Thomas Ganslandt (Informatik)

Heinrich-Heine-Universität Düsseldorf

• Professor Dr. med. Irene Esposito (Pathologie)

Kooperationspartner

• Charité – Universiätsmedizin Berlin
• Universitätsklinikum der Ruhr-Universität Bochum
• Universitätsklinikum Essen
• Universitätsklinikum Frankfurt
• Universitätsmedizin Göttingen
• Universitätsklinikum Halle (Saale)
• Universitätsklinikum Heidelberg
• Universitätsklinikum München LMU
• Universitätsklinikum Schleswig-Holstein, Campus Lübeck und Kiel
• Universitätsklinikum Ulm
• Universitätsklinikum Regensburg
• Rheinisch-Westfälische Technische Hochschule Aachen
• Universität Münster
• Universitätsklinikum Köln
• Universitätsklinikum Bonn
• Deutsches Krebsforschungszentrum – Stiftung des öffentlichen Rechts

Die Erreichung der Projektziele wird durch eine enge Kooperation innerhalb der Medizininformatik-Initiative (MII), unter Einbeziehung von Datenschutzexperten (Martin Boeker und Daniel Rückert aus München, Thomas Ganslandt aus Erlangen), den führenden Koordinatoren des NUM-RACOON (Rickmer Braren aus München/ Hamburg und Andreas Bucher aus Frankfurt), wichtigen Stakeholdern aus den Bereichen Radiologie (Rickmer Braren aus München/Hamburg, Christine Kuhl aus Aachen und Gerhard Adam aus Hamburg), Pathologie (Irene Esposito aus Düsseldorf und Carolin Mogler aus München) und medizinische Onkologie (Marianne Sinn aus Hamburg und Ursula Ehmer aus München) sowie zu etablierenden Expertengruppen ermöglicht.