Freitag, 27. November 2020
Navigation öffnen
Medizin

27. November 2019 Personalisierte Medizin: Künstliche Intelligenz in der Transplantationsmedizin – Neue Vorhersagemodelle für Krankheitsverläufe

Wenn eine Strahlen- oder chemotherapeutische Behandlung von Leukämien oder Lymphomen keinen ausreichenden Erfolg bringt, ist die Transplantation von Knochenmark- oder Blutstammzellen zumeist die einzige Chance auf Heilung. Ein Großteil der Patienten stirbt bisher leider trotz Transplantation, oft durch spontan auftretende Infektionen, Transplantat-gegen-Empfänger-Reaktion und Rezidive. Neuartige Vorhersagemodelle für den individuellen Krankheitsverlauf, wie sie im Forschungsprojekt »XplOit« entwickelt werden, prognostizieren Auftreten und Ausmaß der genannten Risiken und ermöglichen Transplantationsmedizinern so eine frühzeitige, lebenserhaltende Intervention bei gefürchteten Komplikationen.
Krankheitsrückfälle treten in bis zu 30% der Transplantatempfänger auf und tragen damit wesentlich zur Morbidität und Mortalität nach allogener, hämatopoetischer Stammzelltransplantation bei. Durch die nötige Immunsuppression bei Stammzelltransplantation können auch im Empfänger vorhandene, latente Virusinfektionen reaktiviert und schwere Komplikationen hervorgerufen werden. Die häufigste virale Komplikation nach allogener Stammzelltransplantation stellt in bis zu 70% der Fälle eine Reaktivierung des Cytomegalievirus (CMV) dar. Nur ein sehr frühzeitiger Nachweis der Virusreplikation und damit schneller Therapiebeginn können lebensbedrohlichen CMV-Organkomplikationen vorbeugen.

Präsentation der Forschungsergebnisse auf der Jahrestagung der Europäischen Gesellschaft für Blut- und Knochenmarktransplantation

Die neue Datenintegrations-, Modellentwicklungs- und Validierungsplattform XplOit, die ein Projektverbund unter der Federführung des Fraunhofer-Instituts für Biomedizinische Technik IBMT bereitstellt, erleichtert die Entwicklung und Überprüfung dieser Vorhersagemodelle. Die innovative Plattform bereitet Datenbestände so auf, dass sie für die systemmedizinische Forschung nutzbar werden. Durch wirksame prädiktive Modelle für Komplikationen nach Stammzelltransplantation schafft das Verbundprojekt XplOit die Grundlagen für den künftigen Einsatz von Künstlicher Intelligenz in der Transplantationsmedizin.

Neue und wirksame Vorhersagemodelle

Die XplOit-Plattform wurde in den letzten 3 Jahren für die Entwicklung und Validierung von Vorhersagemodellen zur Verbesserung der Behandlung nach Stammzelltransplantation zugeschnitten. Die Transplantation blutbildender Stammzellen von Spendern wird beispielsweise zur Therapie verschiedener Formen der Leukämie eingesetzt. Krankheitsrückfälle sind gefürchtet. Erste präzise Vorhersagemodelle, die individuell für jeden Patienten mögliche Komplikationen voraussagen, werden 2019 in der XplOit-Plattform verfügbar sein. Damit können lebensbedrohliche Komplikationen schneller erkannt und frühzeitiger als heute behandelt werden, wie zum Beispiel die gefürchtete Transplantat-gegen-Wirt-Reaktion. Projektkoordinator Stephan Kiefer erklärt: "Die umfangreiche Analyse von Patientendaten schafft erstmals die Option für die Vorhersage des individuellen Krankheitsverlaufs. Mit den Prototypen der Vorhersagemodelle gehen wir im März in die klinische Validierung und verfeinern unsere Ergebnisse."

Das BMBF-Projekt XplOit erleichtert und beschleunigt den aufwändigen Prozess der Bereitstellung und Zusammenführung klinischer Daten, der Modellentwicklung und deren Validierung sowie Verfügbarmachung für die klinische Nutzung. Mit einer neu entwickelten Generation fortschrittlicher, sogenannter semantischer Datenintegrations- und Informationsextraktionswerkzeuge gelingt dies leichter. Prädiktive Modelle können Kliniker bei der Diagnose und Behandlung ihrer Patienten unterstützen. Für die Entwicklung dieser mathematischen Vorhersagemodelle müssen in großem Umfang unterschiedlichste klinische Patientendaten aus den Informationssystemen zusammengetragen, harmonisiert und analysiert werden. Dabei ist im vorliegenden Projekt XplOit der Datenschutz beim Umgang mit persönlichen und sensiblen Patienteninformationen sichergestellt. Die aus der Analyse der Daten gewonnenen komplexen Vorhersagemodelle werden zunächst im weiteren Verlauf des Projekts validiert und auf ihre Vorhersagegenauigkeit hin überprüft, bevor sie in der Praxis erfolgreich eingesetzt werden können.

Partnerschaftliche Forschung für XplOit

Das Verbundvorhaben XplOit wird von einem international erfahrenen, multidisziplinären Team von Experten aus den Bereichen Medizin, Systembiologie, Computerlinguistik sowie Medizin- und Bioinformatik umgesetzt. Es wird vom Fraunhofer-Institut für Biomedizinische Technik IBMT koordiniert, das die Federführung bei der Entwicklung der XplOit-Plattform innehat und Kernkomponenten zur Informationsextraktion, -integration und -analyse beiträgt. Das Institut für Formale Ontologien und Medizinische Informationswissenschaft der Universität des Saarlandes ist hauptverantwortlich für das sogenannte Semantische Integrationsframework der Plattform. Die Firma Averbis trägt Werkzeuge zur Informationsextraktion aus klinischen Textdokumenten bei. Informatiker der Klinik für Pädiatrische Onkologie und Hämatologie der Universität des Saarlandes sind zuständig für Datenschutz und entwickeln Pseudonymisierungstools und die Modellierungswerkbank des Systems. Die Modellentwicklung selbst erfolgt durch die Abteilung Methoden der Medizininformatik der Eberhard-Karls-Universität Tübingen und die Klinische Pharmazie der Universität des Saarlandes. Klinische Expertise und Daten werden durch die Klinik für Knochenmarktransplantation und das Institut für Virologie des Universitätsklinikums Essen sowie durch die Klinik für Innere Medizin I – Onkologie, Hämatologie, Klinische Immunologie, Rheumatologie und das Institut für Virologie der Universität des Saarlandes bereitgestellt. Die klinischen Partner werden seit März 2019 unter Koordination durch das Institut für Virologie der Universität des Saarlandes die mit Hilfe der XplOit-Plattform entwickelten prädiktiven Modelle für die Stammzelltransplantation validieren.

XplOit wird im Rahmen der Initiative i:DSem – Integrative Datensemantik in der Systemmedizin vom Bundesministerium für Bildung und Forschung gefördert. Laufzeit: 01.03.2016 - 28.02.2021, Projektwebseite: http://www.xploit-idsem.de/

Quelle: Fraunhofer-Institut für Biomedizinische Technik IBMT


Anzeige:
Avastin MammaCA BC
Avastin MammaCA BC
 

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Personalisierte Medizin: Künstliche Intelligenz in der Transplantationsmedizin – Neue Vorhersagemodelle für Krankheitsverläufe"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der rsmedia GmbH widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.


ESMO Virtual Congress 2020
  • Fortgeschrittenes Melanom nach Versagen einer PD-(L)1-Inhibition: Vielversprechende Antitumoraktivität mit Pembrolizumab + Lenvatinib
  • Pembrolizumab + Lenvatinib: Vielversprechende Ansprechraten bei vorbehandelten fortgeschrittenen Tumoren
  • HNSCC: Pembrolizumab als Monotherapie und als Partner einer Platin-basierten Chemotherapie erfolgreich in der Erstlinie
  • Ösophaguskarzinom: Relevante OS- und PFS-Verlängerung durch Pembrolizumab + Chemotherapie in der Erstlinie
  • 5-Jahres-Daten der KEYNOTE-024-Studie bestätigen deutliche Überlegenheit für Pembrolizumab mono vs. Chemotherapie beim NSCLC mit hoher PD-L1-Expression
  • Neuer Anti-ILT4-Antikörper zeigt in Kombination mit Pembrolizumab erste vielversprechende Ergebnisse bei fortgeschrittenen Tumoren
  • Adjuvante Therapie mit Pembrolizumab verlängert auch das fernmetastasenfreie Überleben bei komplett resezierten Hochrisiko-Melanomen im Stadium III
  • HIF-2α-Inhibitor MK-6482 beim Von-Hippel-Lindau-Syndrom: Vielversprechende Wirksamkeit auch bei Nicht-RCC-Läsionen
  • Neuer Checkpoint-Inhibitor: Vielversprechende erste Studiendaten für Anti-TIGIT-Antikörper Vibostolimab in Kombination mit Pembrolizumab