Projektverbund stellt innovative IT-Plattform zur klinischen Datenintegration, Modellentwicklung und Validierung bereit

Personalisierte Medizin: Effektiv durch Künstliche Intelligenz in der Transplantationsmedizin – Neue Vorhersagemodelle für Krankheitsverläufe entwickelt

Presseinformation / 5.3.2019

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.

© AdobeStock_126446055

Krankheitsrückfälle treten in bis zu 30 % der Transplantatempfänger auf und tragen damit wesentlich zur Morbidität und Mortalität nach allogener, hämatopoetischer Stammzelltransplantation bei.

© AdobeStock_107750476

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. Das »XplOit«-Konsortium präsentiert seine bisherigen Projektergebnisse am 25. März auf dem 45th Annual Meeting of the European Society for Blood and Marrow Transplantation in Frankfurt (Messe Frankfurt, Forum Ebene C, Raum Kolleg, 14:30-15:45 Uhr, http://www.xploit-idsem.de/xploit-workshop-auf-dem-ebmt-am-25-maerz-2019.html). Erste prädiktive KI-Modelle für die allogene Stammzelltherapie liefern tragfähige Ergebnisse und werden auf einem Workshop zusammen mit der »XplOit«-Plattform vorgestellt.

 

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 ab 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/
 

Fraunhofer IBMT

Das Fraunhofer-Institut für Biomedizinische Technik IBMT ist ein Geräte- und Technologieentwickler für die Lösung von individuellen Forschungs- und Entwicklungsaufgaben aus den Gebieten Biomedizin-/Medizintechnik, molekulare und zelluläre Biotechnologie, Bioprozesse & Bioanalytik, Kryo(bio)technologie und Nano(bio)techno-logie, Ultraschall-Technik, Biomedizinische Mikrosysteme, Neuroprothetik und Implantate, Gesundheitsinformationssysteme, Theranostik, (mobile) Labortechnologie sowie Laborautomatisierung inklusive in-line/ on-line-Prozessüberwachung. Das Fraunhofer IBMT arbeitet seit über 15 Jahren auf dem Gebiet der Stammzellforschung und verfügt über umfangreiche Zelllinienbestände in industriell und klinisch strukturierten Biobanken zur Tieftemperaturablage wertvoller Proben (Flüssigkeiten, Zellen, Gewebefragmente). 

 

Ansprechpartner:

Dipl.-Inform. Stephan Kiefer
Projektkoordinator XplOit
Fraunhofer-Institut für Biomedizinische Technik IBMT
Joseph-von-Fraunhofer-Weg 1
66280 Sulzbach
Telefon: 06897/9071-406
E-Mail: stephan.kiefer@ibmt.fraunhofer.de