AWK - Kather, Jakob Nikolas

Übersprungnavigation

Navigation

Inhalt

Dr. med. Jakob Nikolas Kather, MSc

Dr. med. Jakob Nikolas Kather, MSc

Universitätsklinikum RWTH Aachen
Medizinische Klinik III
Pauwelsstraße 30 | 52074 Aachen
jkather@ukaachen.de 

 

Vita

Schon im ersten Semester seines Medizinstudiums beschäftigte sich Jakob Nikolas Kather (Jahrgang 1989) mit künstlichen neuronalen Netzen und vertiefte dies später in einem zusätzlichen Masterstudium zu „Medical Physics“. In seinem jetzigen Beruf genießt er sowohl den Umgang mit Patientinnen und Patienten als auch das Programmieren am Computer. Er unterrichtet regelmäßig Medizinstudierende in Kursen zur Gesprächsführung und Anamneseerhebung und bildet gleichzeitig Doktorandinnen und Doktoranden im Programmieren aus. Seine Aufgabe für die nächsten Jahre sieht er darin, weiterhin eine Brücke zwischen der Medizin und Forschung in der künstlichen Intelligenz zu bilden und junge Wissenschaftlerinnen und Wissenschaftler interdisziplinär auszubilden. Seit dem Studium ist Jakob Nikolas Kather in der Studienstiftung des Deutschen Volkes aktiv, früher im Leitungsteam von „lebenswissenschaftlichen Wochenendseminaren“ und aktuell als Mitglied der Auswahlkommission.

 

Forschung 

Jakob Nikolas Kather arbeitet als Arzt an der Uniklinik Aachen und leitet parallel eine Arbeitsgruppe zum Thema „Computational Oncology“ an der RWTH Aachen. In der Klinik betreut er vorwiegend Patientinnen und Patienten mit Tumorerkrankungen des Magen-Darm-Trakts, und in der Forschung wendet er Methoden der computerbasierten Simulation und künstlichen Intelligenz an, um diese Krankheiten besser zu verstehen. Zuletzt konnte Jakob Nikolas Kather in seinen Publikationen zeigen, dass es mittels „Deep Learning“ möglich ist, genetische Veränderungen von Tumoren direkt aus histologischen Bildern vorherzusagen. Diese genetischen Veränderungen entscheiden regelhaft über die Wahl einer optimalen Tumortherapie. Bisher werden zum Nachweis solcher Veränderungen teure und zeitaufwendige Labortests benötigt, wohingegen histologische Bilder für jede Patientin und jeden Patienten praktisch ohne Mehrkosten verfügbar sind. Seine Forschung könnte somit in naher Zukunft zu schnelleren Diagnosen und einer deutlichen Kostenersparnis in der Onkologie führen. 

 

Ausgewählte Publikationen

Kather JN, Pearson AT, Halama N, Jaeger D, Krause J, Loosen SH, Marx A, Boor P, Tacke F, Neumann UP, Grabsch HI, Yoshikawa T, Brenner H, Chang-Claude J, Hoffmeister M, Trautwein C, Luedde T. Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer. Nature Medicine, 2019, doi: 10.1038/s41591-019-0462-y. 

Kather JN, Krisam J, Charoentong P, Luedde T, Herpel E, Weis CA, Gaiser T, Marx A, Valous NA, Ferber D, Jansen L, Reyes-Aldasoro CC, Zörnig I, Jäger D, Brenner H, Chang-Clause J, Hoffmeister M, Halama N. Predicting survival from colorectal cancer histology slides using deep learning: A retrospective multicenter study. PLOS Medicine, 2019, doi: 10.1371/journal.pmed.1002730.

Kather JN, Charoentong P, Suarez-Carmona M, Herpel E, Klupp F, Ulrich A, Schneider M, Zörnig I, Lüdde T, Jäger D, Poleszczuk J, Halama N. High-throughput screening of combinatorial immunotherapies with patient-specific in silico models of metastatic colorectal cancer. Cancer Research, 2018, doi: 10.1158/0008-5472.CAN-18- 1126and investigation of industrially relevant bacteria on single cell level, Lab on a Chip 2012, 12, p. 2060–2068, DOI: 10.1039/C2LC40156H..