Das Projekt DigiPro zeigt Möglichkeiten auf, wie individualisierte Mikrosysteme in Stückzahl 1 produziert werden können. Teilen Sie uns Ihre konkrete Idee für ein individualisiertes Mikrosystem mit. Mehr erfahren

Mit Patientendaten Leben retten

Analyse von Patientendaten mit Statistischen Lernenverfahren für individuelle Diagnosen

Prof. Dr. Matthias Kohl
Institute of Precision Medicine

Heute stehen in der Medizin vielfältige und große Datenmengen ("big data") zur Verfügung. Zum einen wurden in den letzten Jahrzehnten die Daten von Patienten insbesondere Intensivpatienten in sog. Patientendatenmanagementsystemen (PDMS) gesammelt, so dass heute die Daten von zehntausenden von Patienten zur Verfügung stehen, die aber oftmals ungenutzt bleiben ("Krankenhaus 4.0"). Zum anderen haben die Entwicklungen in der Molekularbiologie und in der Bildgebung zu verschiedensten Hochdurchsatztechnologien ("Omics-Technologien") und hochauflösenden bildgebenden Verfahren geführt, mit denen tausende von Parametern für einen Patienten simultan bestimmt werden können. In den letzten Jahren kommen hierzu auch noch die Daten von sog. Wearables wie z.B. Fitnesstrackern, die in kurzen Zeitabständen verschiedene Vitalparameter einer Person erheben. All diese Daten eröffnen für die Medizin völlig neue Möglichkeiten. Insbesondere passt dies perfekt zur sog. Precision Medicine, welche es zum Ziel hat alle von einem Patienten zur Verfügung stehenden Daten zu nutzen, um die Entscheidungsfindung des Arztes hinsichtlich Prävention, Diagnose, Prognose und Behandlung zu unterstützen und einen optimalen therapeutischen Effekt für einen konkreten Patienten ("patientenspezifisch") zu erzielen. Hierfür bedarf es aber einer an die Problemstellung angepassten Datenanalyse mit modernsten statistischen Verfahren. Insbesondere spielen hierbei die sog. Datenintegration (Kombination von Daten verschiedensten Ursprungs) und das sog. statistische Lernen, welches kurz gesagt eine Kombination aus maschinellem Lernen (speziell auch "deep learning") und Statistik ist, entscheidende Rollen um bestmögliche Ergebnisse zu erzielen. Der Erfolg der Precision Medicine wird somit zu einem guten Teil auch von der Entwicklung und Anwendung genauer und verlässlicher statistischer Verfahren abhängen, die patientenspezfische Ergebnisse liefern.

Im Rahmen eines BMBF-geförderten Projektes wurden an unserem Institut ein patientenspezifisches, statistisches Lernverfahren entwickelt, das im Unterschied zu den gängigen Verfahren des statistischen Lernens nicht Aussagen für eine Population (Patientengruppe), sondern einzelne Patienten ermöglicht.

Anwendungsmöglichkeiten

  • Patientespezifische Diagnosen, Prognosen und Therapieentscheidungen

  • Statistische Modelle für die Precision Medicine

Institute of Precision Medicine

Hochschule Furtwangen

Moderne und optimale Behandlungen müssen individuelle Variationen berücksichtigen, um die Therapie zu verbessern. Die Anpassung von Therapien an individuelle Bedürfnisse (wie etwa medizinische Produkte und patientenspezifischen Gewebe) und verbessert nicht nur die Wirksamkeit, sondern kann auch negative Auswirkungen reduzieren. Mit der 3. Generation Sequenzierung, Metabolomik und anderen Hochdurchsatz-Technologien haben wir nun die Werkzeuge, Diagnose, Therapieauswahl und Behandlungsregime sehr viel genauer auf den Gesundheitszustand eines Individuums abzustimmen und mit höherer Genauigkeit zu prognostizieren. In diesem Zusammenhang bezeichnet Precision Medicine einen aufkommenden Behandlungsansatz, der sowohl individuelle genetische / genomische Merkmale als auch Umwelteinflüsse und Lebensstile berücksichtigt, um auch Data Mining mit aufgezeichneten klinischen Daten zu nutzen. Da eine präzise Diagnose und Prognose auf mehreren Genom- und Umweltparametern basiert, sind ausgefeilte computergestützte und statistische Verfahren eine sehr wichtige Komponente dieses Ansatzes.

Ihr Ansprechpartner
Prof. Dr. Matthias Kohl
Institutsleiter

Matthias Kohl ist Professor für Mathematik in Biologie und Medizin und leitet das Institute of Precision Medicine (IPM) sowie den Masterstudiengang “Medical Diagnostic Technologies” an der Hochschule Furtwangen. Darüber hinaus leitet er auch das Steinbeistransferzentrum Personalisierte Medizin. Seine Forschungsschwerpunkte liegen in den Gebieten Robuste Statistik, Computergestützte Statistik, Biostatistik und statistische Bioinformatik. Bei seinen Forschungsinteressen liegt ein Hauptaugenmerk auf statistischem/maschinellem Lernen und Computergestützter Statistik (R Software).

Ähnliche Technologien
Das Projekt DigiPro zeigt Möglichkeiten auf, wie individualisierte Mikrosysteme in Stückzahl 1 produziert werden können. Teilen Sie uns Ihre konkrete Idee für ein individualisiertes Mikrosystem mit. Mehr erfahren
Ähnliche Technologien