Unter der Leitung von Dr. Geoffroy Andrieux hat die Nachwuchsgruppe „Entwicklungen von klinisch-orientierten Entscheidungsunterstützungen für Hochdurchsatzdaten in der personalisierten Medizin (EkoEstMed)“ (engl.: Entwicklungen von klinisch-orientierten Entscheidungsunterstützungen für Hochdurchsatzdaten in der personalisierten Medizin) hat am 15. Dezember 2021 seine Arbeit an der Albert-Ludwigs-Universität Freiburg aufgenommen.
Die Präzisionsmedizin wird heute immer mehr zur Realität und hält immer mehr Einzug in den klinischen Alltag. Einzigartige Merkmale von Patienten werden identifiziert, um die Wirksamkeit und Genauigkeit ihrer Behandlungen zu verbessern. Ehrgeizige Initiativen wie die „Initiative Medizinische Informatik“ (MII) unterstützen aktiv die biomedizinische Forschung in Deutschland, um die individualisierte Patientenversorgung zu verbessern. Sie stützt sich in hohem Maße auf die ständig wachsende Menge gesundheitsbezogener Daten und die sich ständig weiterentwickelnden Technologien. Aufgrund fehlender Analysemethoden und Standardisierungs- und Harmonisierungsprozesse wird jedoch nur ein Teil der vorhandenen Daten für klinische Empfehlungen genutzt. Ziel ist es daher, durch die Entwicklung innovativer Methoden, wie Algorithmen des maschinellen Lernens (künstliche Intelligenz), und Analyseverfahren die komplexen Daten in verständlicher Form aufzubereiten und darzustellen und sie gleichzeitig effizient und nutzbar für den Austausch zur Verfügung zu stellen. Darüber hinaus sollen effiziente IT-Infrastrukturen sowie die Entwicklung neuartiger Visualisierungsstandards geschaffen werden, um die Umsetzung und Anwendung in der Klinik zu gewährleisten. Dieses Projekt wird nicht nur die Prozesse der personalisierten Medizin im lokalen klinischen Umfeld, sondern auch MII und MIRACUM an verschiedenen Standorten voranbringen.
Was sind die Ziele?
1. Methoden für die Entwicklung, Bereitstellung und Nutzung von Omics-Daten
Ziel ist es, Standardisierungsmethoden zu entwickeln, um die entstehenden Omics-/Hochdurchsatzdaten ordnungsgemäß zu speichern, zu annotieren und gemeinsam zu nutzen, und gleichzeitig Visualisierungsmethoden zu entwickeln, um diese hochdimensionalen Daten für klinische Anwendungen zu verarbeiten und zu nutze.
2. Integration von Multi-Omics-Daten
Die Integration von Omics-Daten, die einerseits aus verschiedenen klinischen Labors stammen und andererseits aus öffentlichen Datenbanken genutzt werden können, ist in der Regel mit möglichen Batch-Effekten verbunden. Zu diesem Zweck werden geeignete Methoden und Ansätze zur Batch-Effekt-Korrektur entwickelt und angewandt, wobei gleichzeitig weitere Kofaktoren wie Geschlecht, Alter und Umwelt berücksichtigt werden. Darüber hinaus werden Korrelations- und Interaktionsanalysen der verschiedenen Omics-Datensätze angewandt und weiterentwickelt, die letztlich zu einem Score für die Bewertung der Pathogenität führen sollen.
3. Entwicklung von Instrumenten zur Entscheidungsunterstützung im klinischen Kontext
Ziel ist es, molekulare Merkmale zu identifizieren, die Behandlungsempfehlungen, den Krankheitsverlauf und das Ansprechen auf die Behandlung beeinflussen können. Daher will die Gruppe die Wahrscheinlichkeit der Entwicklung einer bestimmten Krebsart oder die Wahrscheinlichkeit eines Wiederauftretens und letztlich die Lebenserwartung abschätzen.
Unter der Leitung von Dr. Geoffroy Andrieux hat die Nachwuchsgruppe „Entwicklungen von klinisch-orientierten Entscheidungsunterstützungen für Hochdurchsatzdaten in der personalisierten Medizin (EkoEstMed)“ (engl.: Entwicklungen von klinisch-orientierten Entscheidungsunterstützungen für Hochdurchsatzdaten in der personalisierten Medizin) hat am 15. Dezember 2021 seine Arbeit an der Albert-Ludwigs-Universität Freiburg aufgenommen.
Die Präzisionsmedizin wird heute immer mehr zur Realität und hält immer mehr Einzug in den klinischen Alltag. Einzigartige Merkmale von Patienten werden identifiziert, um die Wirksamkeit und Genauigkeit ihrer Behandlungen zu verbessern. Ehrgeizige Initiativen wie die „Initiative Medizinische Informatik“ (MII) unterstützen aktiv die biomedizinische Forschung in Deutschland, um die individualisierte Patientenversorgung zu verbessern. Sie stützt sich in hohem Maße auf die ständig wachsende Menge gesundheitsbezogener Daten und die sich ständig weiterentwickelnden Technologien. Aufgrund fehlender Analysemethoden und Standardisierungs- und Harmonisierungsprozesse wird jedoch nur ein Teil der vorhandenen Daten für klinische Empfehlungen genutzt. Ziel ist es daher, durch die Entwicklung innovativer Methoden, wie Algorithmen des maschinellen Lernens (künstliche Intelligenz), und Analyseverfahren die komplexen Daten in verständlicher Form aufzubereiten und darzustellen und sie gleichzeitig effizient und nutzbar für den Austausch zur Verfügung zu stellen. Darüber hinaus sollen effiziente IT-Infrastrukturen sowie die Entwicklung neuartiger Visualisierungsstandards geschaffen werden, um die Umsetzung und Anwendung in der Klinik zu gewährleisten. Dieses Projekt wird nicht nur die Prozesse der personalisierten Medizin im lokalen klinischen Umfeld, sondern auch MII und MIRACUM an verschiedenen Standorten voranbringen.
Was sind die Ziele?
1. Methoden für die Entwicklung, Bereitstellung und Nutzung von Omics-Daten
Ziel ist es, Standardisierungsmethoden zu entwickeln, um die entstehenden Omics-/Hochdurchsatzdaten ordnungsgemäß zu speichern, zu annotieren und gemeinsam zu nutzen, und gleichzeitig Visualisierungsmethoden zu entwickeln, um diese hochdimensionalen Daten für klinische Anwendungen zu verarbeiten und zu nutze.
2. Integration von Multi-Omics-Daten
Die Integration von Omics-Daten, die einerseits aus verschiedenen klinischen Labors stammen und andererseits aus öffentlichen Datenbanken genutzt werden können, ist in der Regel mit möglichen Batch-Effekten verbunden. Zu diesem Zweck werden geeignete Methoden und Ansätze zur Batch-Effekt-Korrektur entwickelt und angewandt, wobei gleichzeitig weitere Kofaktoren wie Geschlecht, Alter und Umwelt berücksichtigt werden. Darüber hinaus werden Korrelations- und Interaktionsanalysen der verschiedenen Omics-Datensätze angewandt und weiterentwickelt, die letztlich zu einem Score für die Bewertung der Pathogenität führen sollen.
3. Entwicklung von Instrumenten zur Entscheidungsunterstützung im klinischen Kontext
Ziel ist es, molekulare Merkmale zu identifizieren, die Behandlungsempfehlungen, den Krankheitsverlauf und das Ansprechen auf die Behandlung beeinflussen können. Daher will die Gruppe die Wahrscheinlichkeit der Entwicklung einer bestimmten Krebsart oder die Wahrscheinlichkeit eines Wiederauftretens und letztlich die Lebenserwartung abschätzen.