EkoEstMed

Entwicklungen von klinisch-orientierten Entscheidungsunterstützungen für Hochdurchsatzdaten in der personalisierten Medizin

Über das Projekt

Heutzutage wird die Präzisionsmedizin immer mehr zur Realität und rückt immer weiter in den klinischen Alltag. Einzigartige Merkmale von Patienten werden identifiziert, um die Wirksamkeit und Genauigkeit ihrer Behandlungen zu verbessern. Ehrgeizige Initiativen wie die „Medizininformatik-Initiative “ (MI-I) unterstützen in Deutschland aktiv die biomedizinische Forschung zur Verbesserung der individualisierten Patientenversorgung. Sie setzt dabei stark auf die ständig wachsende Menge gesundheitsbezogener Daten und die sich ständig weiterentwickelnden Technologien. Aufgrund von fehlenden Analysemethoden und Standardisierungs- und Harmonisierungs-Prozessen werden allerdings nur ein Teil der existierenden Daten für die klinische Empfehlung herangezogen. Somit ist es das Ziel, die komplexen Daten durch die Entwicklung von innovativen Methoden, wie z. B. Algorithmen beim maschinellen Lernen (Künstliche Intelligenz), und Analyse-Prozessen in einer verständlichen Form aufzubereiten und darzustellen und diese zugleich für eine effiziente und verwertbare Art und Weise für den Austausch bereitzustellen. Darüber hinaus werden effiziente IT-Infrastrukturen als auch die Entwicklung neuartiger Visualisierungsstandards geschaffen, um die Umsetzung und Anwendung in der Klinik zu gewährleisten. Mit diesem Vorhaben werden nicht nur die Prozesse der personalisierten Medizin im lokalen klinischen Umfeld, sondern auch die MI-I und MIRACUM an den verschiedensten Standorten vorangetrieben.


Ziele

1. Methoden zur Entwicklung, Bereitstellung und Nutzen von Omics-Daten

Ziel ist es, Standardisierungsmethoden zu entwickeln, um die anfallenden Omics/Hochdurchsatzdaten  richtig zu speichern, zu annotieren und zu teilen und zugleich Visualisierungsmethoden für die Aufbereitung und Nutzung dieser hochdimensionalen Daten für die klinische Anwendung zu entwickeln.

2. Integration von Multi-Omics Daten

Die Integration von Omics-Daten, die zum einen von verschiedenen klinischen Laboren stammen, als auch von öffentlichen Datenbanken genutzt werden können, gehen in der Regel mit möglichen Batch-Effekten einher. Hierfür werden entsprechende Methoden und Ansätze der Batch-Effekt-Korrektur entwickelt und angewendet und zugleich sollen auch weitere Co-Faktoren wie Geschlecht, Alter und Umwelt mitberücksichtigt werden. Zudem sollen Korrelations- und Interaktions- Analysen von den verschiedenen Omics-Datensätze angewendet und weiterentwickelt werden, die schlussendlich in einen Score für die Einschätzung hinsichtlich der Pathogenität münden.

3. Entwicklung von Werkzeugen für Entscheidungsunterstützungen im klinischen Kontext

Ziel ist es, molekulare Merkmale zu identifizieren, die Therapieempfehlungen und den Krankheitsausgang sowie das Ansprechen auf die Behandlung beeinflussen können. Daher wollen wir die Wahrscheinlichkeit der Entwicklung eines bestimmten Krebstyps oder die Wahrscheinlichkeit eines Wiederauftretens und schließlich die Lebenserwartung abschätzen.


Leitung der Nachwuchsforschergruppe


 

Dr. Geoffroy Andrieux

Leiter der Nachwuchsforschergruppe EkoEstMed
Institut für Medizinische Bioinformatik und Systemmedizin | Albert-Ludwigs-Universität Freiburg

Kontakt



Publikationen

Journalpublikationen

  • Wanner N, Andrieux G, Badia-I-Mompel P. et al. Molecular consequences of SARS-CoV-2 liver tropism. Nat Metab. 2022; 4:310-319. Doi: 10.1038/s42255-022-00552-6.