Klinische Datenwissenschaften & Systemmedizin

Peter L. Reichertz Institut für Medizinische Informatik

Navigation – Forschungsbereiche

Seite aufrufen!

Klinische Datenwissenschaften

Systemische Krankheiten wie chronisches Nierenleiden, Diabetes sowie neurodegenerative und psychiatrische Erkrankungen betreffen häufig mehrere Organe gleichzeitig. Sie entstehen durch komplexe Ursachen, gehen oft mit weiteren Erkrankungen einher (Komorbiditäten) und verlaufen individuell sehr unterschiedlich.

Die umfassende Phänotypisierung dieser Erkrankungen mithilfe von (multi-)omics-Techniken ermöglicht die gleichzeitige qualitative und quantitative Analyse von hunderten bis tausenden Genen, Transkripten, Proteinen und/oder Metaboliten. Dadurch können robuste Biomarker identifiziert werden, die eine verbesserte Krankheitsdiagnose, Prognose und Vorhersage des Therapieansprechens ermöglichen. Gleichzeitig trägt dieser Ansatz dazu bei, zentrale Krankheitspathomechanismen aufzudecken und besser zu verstehen.
Die dabei entstehenden großen und komplexen Datensätze umfassen neben (multi-)omics-Daten auch phänotypische, klinische, demographische, lebensstilbezogene sowie krankheitsgeschichtliche Informationen. Ihre Auswertung erfordert vielfältige und spezialisierte Datenanalysestrategien, die von hochdimensionaler Statistik bis hin zu Methoden des maschinellen Lernens reichen.

Abbildung 1: Zentrale Methoden und Anwendungsbereiche der Clinical Data Science

Forschungsschwerpunkte

Die Arbeitsgruppe Klinische Datenwissenschaften konzentriert sich auf:

Biomarker-Identifikation

Entwicklung neuer Biomarker zur Verbesserung von Diagnose, Prognose und Therapieentscheidungen

Datenintegration

Zusammenführung und Analyse großer, heterogener Datensätze (Omics-, klinische und Patientendaten), um Krankheitsmechanismen zu entschlüsseln

Methodenentwicklung

Entwicklung und Anwendung neuer Datenanalysemethoden zur verbesserten Identifikation von Biomarkern

Klinische Anwendung

Entwicklung nutzerfreundlicher Entscheidungsunterstützungssysteme, um Forschungsergebnisse in die klinische Praxis zu übertragen

Systemmedizin

Die Systemmedizin studiert die komplexen Wechselwirkungen zwischen Genen, Proteinen und Metaboliten sowie dem Mikrobiom, um zu verstehen, wie sie zu Krankheitsmechanismen, Symptomen und Prognosen beitragen. Ihr Ziel ist es, die zugrundeliegenden Krankheitsmechanismen sichtbar zu machen, indem eine systemische Perspektive eingenommen wird und alle ineinandergreifenden molekularen und klinischen Faktoren berücksichtigt werden. Bedingt durch die große Menge und Heterogenität der Daten, wie sie typischerweise in Systemmedizinstudien anfallen, sind hochdimensionale Statistik und modernste Methoden der künstlichen Intelligenz der Schlüssel für eine erfolgreiche Datenanalyse. Das langfristige Ziel ist, das Verstehen von Krankheiten auf Systemebene in die klinische Praxis zum Beispiel durch das Identifizieren von neuartigen Biomarkern zu übersetzen und somit personalisierte Therapien zu unterstützen oder Krankheitsverläufe vorherzusagen.

Forschungsschwerpunkte

Die Forschungsgruppe Klinische Datenwissenschaften strebt eine ganzheitliche Integration von verschiedenen Omics Datenebenen durch fortschrittliche AI-Algorithmen an, um unser Verständnis systemischer Krankheiten, ihrer Diagnostik sowie Prognose zu verbessern. Hierfür wenden wir zum Beispiel datenbasierte Netzwerkinferenz Algorithmen an, um biologische Regulationsnetzwerke aus (Multi-)Omics-Daten zu rekonstruieren. Außerdem interessieren wir uns für die Implementierung von Multi-Omics-Datenanalyse-Tools in leicht zu bedienende Pipelines und Open-Source-Plattformen.

Leitung des Forschungsbereichs

Sie interessieren sich für eine Zusammenarbeit oder möchten mehr erfahren? Wir freuen uns über den Austausch mit klinischen und wissenschaftlichen Partnern. Bitte nehmen Sie einfach mit Prof. Dr. rer. nat. Helena U. Zacharias Kontakt auf.

Prof. Dr. rer. nat. Helena U. Zacharias

Leiterin Bereich Klinische Datenwissenschaften