Nachwuchsforschungsgruppen

Neurodegenerative Erkrankungen (NDE) stellen eine zunehmende Belastung für die Gesellschaft dar. Weltweit leiden viele Millionen Menschen an NDE, wobei Alzheimer-Demenz und Morbus Parkinson die häufigsten Erkrankungen sind. Die Betroffenen leiden unter einer Vielzahl von Einschränkungen, insbesondere in der Kognition und Motorik. Eine möglichst frühzeitige Therapie ist entscheidend, da der Verlust neuronaler Funktionen trotz medikamentöser Behandlung oft nicht mehr aufzuhalten ist. Allerdings sind NDE im Frühstadium meist schwer zu erkennen und die Diagnostik ist aufwändig und teuer. Verschiedene Forschungsarbeiten konnten bereits zeigen, dass kostengünstigere, technologische Methoden wie die Ganganalyse NDE frühzeitig erkennen können.

Die Nachwuchsgruppe NDEMobil erforscht daher technologische Lösungen, die für eine frühe Diagnostik sowie Verlaufsbeobachtung von NDE eingesetzt werden können. Der Fokus liegt dabei auf dem Einsatz mobiler Geräte wie Smartphones und Wearables, die aufgrund ihrer hohen Verfügbarkeit vielfältige Einsatzmöglichkeiten bieten. Während der alltäglichen Nutzung dieser Geräte sollen verschiedene Parameter erhoben werden, die Rückschlüsse auf Motorik, Kognition und soziales Verhalten zulassen. Die Erfassung soll dabei möglichst sicher und datensparsam erfolgen. Das Ziel ist, Veränderungen im Nutzungsverhalten zu erkennen, die auf eine NDE oder die Verschlechterung einer NDE hinweisen können.

Die Nachwuchsforschungsgruppe identifiziert hierfür mögliche Parameter und implementiert verschiedene Testmethoden zur Erfassung dieser Parameter in einer mobilen App. Die App soll anschließend in einer Beobachtungsstudie eingesetzt werden, um Daten von Patientinnen und Patienten mit NDE in verschiedenen Stadien zu erheben. Basierend auf den Ergebnissen sollen geeignete digitale Biomarker ausgewählt und im Rahmen einer Interventionsstudie getestet werden.

In der Nachwuchsgruppe „Nutzenoptimierung und Verfügbarkeitserhöhung von Gesundheitsdaten (BENEFIT)“ befassen sich Nachwuchswissenschaftlerinnen und -wissenschaftler unter der Leitung von Dr. Philipp Breitfeld mit der Sekundärnutzung von Gesundheitsdaten.

Durch die Medizininformatik-Initiative (MII) werden Daten aus Universitätskliniken in Datenintegrationszentren standortübergreifend für die Forschung und Versorgung zur Verfügung gestellt. Die Nachwuchsgruppe BENEFIT entwickelt neue Konzepte und Methoden, um die Forschungsmöglichkeiten und Patientenversorgung mit Hilfe der Daten zu verbessern. Hierfür wird untersucht, welche künftigen Nutzerinnen und Nutzer welche Aufgaben mit den Daten durchführen möchten. Daraus erschließt und identifiziert die Gruppe entlang geltender ethischer, rechtlicher und datenschutztechnischer Richtlinien die relevantesten Datensätze.

Besonderes im Bereich der künstlichen Intelligenz und deren Anwendung bei Medizinprodukten eröffnet sich ein spannendes Themenfeld. Die neue EU-Verordnung für künstliche Intelligenz soll sich unter anderem mit geistigem Eigentum und KI befassen, wo der patentrechtliche Grundsatz der schöpfenden oder erfindenden Person nicht trägt. Auch die Medizinprodukteverordnung stellt große Herausforderungen an eine praktische Umsetzung von Medizindaten aus der Patientenversorgung.

Aus den Arbeiten der Nachwuchsgruppe lassen sich prinzipielle Businessmodelle ableiten, die Datenbesitzerinnen und -besitzer auf der universitären Seite verstärkt von den Vorteilen einer Datenbereitstellung überzeugen können.

Die Nachwuchsgruppe „MicrobiomSepsisPred“ wird von Dr. Ivana Kraiselburd geleitet und gehört zum Institut für künstliche Intelligenz der Universitätsmedizin Essen. Angesiedelt ist die Gruppe dort am Lehrstuhl für Data Science.

„MicrobiomSepsisPred“ erforscht Methoden, mit denen Mikrobiomdaten von Patientinnen und Patienten mit Sepsis aufbereitet, ausgewertet und integriert werden können. Dabei handelt es sich primär um DNA-Sequenzdaten, die durch Sequenzierung von Darm- und Hautflora gewonnen werden. Mit diesen Daten können der Beginn der Sepsis sowie mögliche Antibiotikaresistenzen, die zu Problemen bei der Behandlung der Sepsis führen können, vorhergesagt werden.

Für einzelne Patientinnen und Patienten wird auf Basis der Sequenzdaten ein personalisiertes Mikrobiom-Profil erstellt und dieses für ein Modell zur frühzeitigen Vorhersage von Sepsis genutzt. Ein solches Modell kann die bestehenden, auf klinischen Daten basierenden Sepsis-Vorhersagemodelle ergänzen und bietet die Möglichkeit, die Prognose von Sepsis zu beschleunigen.

Die Gruppe widmet sich spezifisch der Erforschung der Sepsis bei Patientinnen und Patienten in der Intensivversorgung. Mittels Sequenzierung und Analyse von Mikrobiomdaten wird nach molekularen Signaturen gesucht, die sich für die Früherkennung von Sepsis bzw. die Charakterisierung des Sepsisrisikos eignen. Darüber hinaus strebt die Nachwuchsgruppe an, Werkzeuge zur Erkennung von Antibiotikaresistenzprofilen im Darm- und Hautmikrobiom bei Patientinnen und Patienten zu etablieren. Auf diese Weise wird dieses Projekt bestehende Methoden zur Vorhersage der Entwicklung von Krankheiten verursachenden Erregern sowie ihrer potenziellen Antibiotikaresistenz ergänzen und den Vorhersagehorizont erweitern können.