© Fraunhofer IGD, MED²ICIN | Frank Seifert

Medical Data Science

Aus dem Betrieb seiner Hochdurchsatzlabore besteht am Fraunhofer ITMP eine besondere Kompetenz bei den 4D-Daten und dem FAIRen Umgang mit Forschungsdaten. Unser Ziel ist es, die hardware- und softwaretechnische Basis für offene Forschungsplattformen und Testumgebungen für Forschung und Industrie zu entwerfen, in der die Konzepte einer digitalisierten Gesundheitsforschung und ihrer kommerziellen Angebote erforscht und praxisnah erprobt werden können.

Ein besonderer Schwerpunkt liegt auf der Untersuchung von immunmediierten Erkrankungen. Durch jahrelange Erfahrung und enge Zusammenarbeit mit Klinikern bietet das Fraunhofer ITMP ein hochspezialisiertes Spektrum an Krankheitsmodellen, Formulierung von Therapiepfaden und Bioanalytik. Klinische Fragestellung und Prüfungen werden bei uns in mit einem breiten Netzwerk von Industriepartnern erarbeitet und nach dem Standard »Quality by Design« durchgeführt. 

 

Kernkompetenzen:

  • Umgang mit »humanen« Daten
  • Datenmanagement und Ontologien
  • Statische und dynamische Analysen insbesondere von longitudinalen Datensätzen
  • Biostatistische Begleitung von klinischen und präklinischen Studien
  • Anwendungsorientierte Algorithmen (KI und Maschinenlernen)
  • Digitale Biomarker und Fingerprints

Planung, Umsetzung und Test-Betrieb von datensouveräner Infrastruktur für Gesundheitsdaten

Die Gesundheitswirtschaft öffnet sich zunehmend einem Datenaustausch – nicht zuletzt durch die in der Pandemie verstärkt gewonnenen Erkenntnisse – und erprobt eine Vielzahl von digitalen Lösungen. Die Angebote von Fraunhofer stehen für dezentrale, verteilte, datensouveräne Lösungen, wobei auf technische Lösungen vornehmlich aus dem industriellen Produktionsumfeld zurückgegriffen wird. Die systematische Planung einer solchen Infrastruktur für unsere Kunden und Konsortien wird durch das Angebot des prototypischen Aufbaus und Betriebs einer solchen Forschungsplattform praxisnah unterstützt. Das Fraunhofer ITMP ist in vielen Gremien und Initiativen vertreten, um den Austausch von Forschungsdaten zu ermöglichen: nach deutschen Standards (z. B. DSGVO, Ethikanträge) und europäischem Verständnis (GAIA-X, European Open Science Cloud, IDSA).

Gesundheitsdaten FAIR und computable machen

Aus unstrukturierten und »unsauberen« Daten Informationen und Erkenntnisse zu gewinnen, benötigt ein Datenmanagement, das auf angepassten Systematiken und Vereinbarungen, auf Standardisierungen und Ontologiekatalogen, sowie auf Tools und EDA-Workflows zurückgreift. In unseren Projekten überführen wir die Daten-Validierung und die Methoden-Validierung in Validierungsstudien. Die Moderation der »Fragen an die Daten« hat einen hohen Stellenwert und ist insbesondere bei KI-Anwendungen bei der Projektformulierung festzustellen. Die Definition, Aufteilung und Generierung von Trainings- bzw. Validierungsdatensätzen ist Voraussetzung für KI-Entwicklungen und kann über unsere Test- bzw. synthetischen Kohorten unterstützt werden.

Studien- und Kohortenanalysen

Das Fraunhofer ITMP unterstützt klinische und präklinische Studien sowie Kohortenanalysen mit ihrer Expertise in

  • Analyse und Regulatorik von Phase 1 bis Phase 4 Studien, POC-Studien
  • Identifikation geeigneter Zielpopulationen und optimierter innovativer Endpunkte
  • Statistischen Methoden
  • Mathematische Modellierung
  • Auswertealgorithmen und Einsatz von KI-Ansätzen (in enger Kooperation innerhalb des »Healthcare Analytics in Translational Medicine Partnerships« mit dem Fraunhofer IAIS)
  • projektspezifischer Ein- und Ausgabeformate sowie Dashboards

Hierzu wird auf einen breiten Werkzeugkasten von kommerziellen und eigenen Softwaretools zurückgegriffen. Die besondere Kompetenz des Fraunhofer ITMP speist sich aus der Einbindung von Data Scientists in den klinischen Alltag mit dem Schwerpunkt auf die Indikationsbereiche immunmediierter und entzündlicher Erkrankungen am Standort Frankfurt am Main. Im Rahmen des »Heathcare Analytics in Translational Medicine Partnerships« mit dem Fraunhofer IAIS und dem hier angesiedelten Geschäftsfeld »Healthcare Analytics« erfolgt die Nutzung großer Datenmengen zur Analyse mittels Künstlicher Intelligenz und Maschinellem Lernen sowie die frühe Nutzung dieser Techniken zur Verbesserung der klinischen Versorgung und zum Erkenntnisgewinn.

Epigenetischer Alterstest

Cerascreen GmbH ist ein Diagnostik-Unternehmen, das mit seinen ca. 70 Mitarbeitern medizinische Selbsttests anbietet. Für den »Genetic Age Test« wird die epigenetische Veränderung der Methylisierung als Marker genutzt. Aus einer Speichelprobe wird in einem Fachlabor ein Methylierungsmuster erstellt, welches mit einem »lernenden« Algorithmus für die Bestimmung eines biologischen Alters interpretiert wird. Datenaufbereitung, Modellierung und Extraktion der relevanten Muster und Berechnung eines biologischen Alterswertes waren unsere Entwicklungsaufgaben.

Partner: Cerascreen GmbH

IMI TRANSLOCATION (AMR) InfoCentre: New Drugs 4 Bad Bugs

Das Projekt TRANSLOCATION der Innovative Medicine Initative hatte zum Ziel die molekulare Grundlage von Antibiotika Resistenzen bei gramnegativen Bakterien und deren Membranen zu erforschen. Das Fraunhofer ITMP hat für den Austausch der Forschungsdaten zwischen den akademischen Laboren (angebunden über elektronische Laborbücher) und den Pharmapartnern ein sogenanntes InfoCentre aufgebaut und betrieben. Die bei der Entwicklung des InfoCentre gewonnenen Erfahrungen sind in das AMR-Beschleunigerprogramm der IMI eingeflossen und die Werkzeuge des InfoCentre werden die Grundlage für geplante Daten- und Wissensmanagementsysteme bilden, die von mehreren AMR-Beschleuniger-Projekten zur Entdeckung von Antibiotika auf ihrem Weg in die Klinik genutzt werden sollen.

Partner: u.a. Glaxosmithkline Research and Development LTD, Jacobs University GmbH, Sanofi-Aventis Recherche & Developpement, Astrazeneca AB, Basilea Pharmaceutica International AG, Janssen Pharmaceutica Nv, The Hyve BV, Gritsystems As.

Weiterführende Informationen

Fraunhofer-Initiativen: Big Data und Künstliche Intelligenz Allianz, digitaler Zwilling MED²ICIN, Medical Data Space, COPERIMOplus

Das Fraunhofer ITMP ist Gründungsmitglied der Fraunhofer-Allianz Big Data und Künstliche Intelligenz und vertritt insbesondere die Gesundheitsthemen. In der Allianz wird die branchenübergreifende Expertise von mehr als 30 Instituten gebündelt. Diese Expertise der Arbeitsgruppen insbesondere aus dem I&K-Verbund verbindet das Fraunhofer ITMP mit seinem Domänen-Wissen und führt die Informationstechnische Expertise in die Anwendung. Wir begleiten Unternehmen und Einrichtungen bei der Umsetzung von Big-Data- und KI-Strategien, entwickeln Software und datenschutzgerechte Systeme und bilden Fach- und Führungskräfte zu »Data Scientists« aus.

Beispiele dieser fruchtbaren Zusammenarbeit sind:

  • Digitales Patientenmodell als Grundlage für personalisierte und kostenoptimierte Behandlung – MED²ICIN
  • Infrastruktur für den sicheren Austausch von Gesundheitsdaten - Medical Data Space
  • Indikationsspezifische Wissensräume für KI Anwendung zur Generierung von Risikomodellen – Coronavirus Personalisierte Risiko Modelle COPERIMOplus
  • Schulungen zum Data Scientist & Big Data Spezialist - Zertifizierter Data Scientist

Auffray C, Balling R, Barroso I, Bencze L, Benson M, Bergeron J, Bernal-Delgado E, Blomberg N, Bock C, Conesa A, Del Signore S, Delogne C, Devilee P, Di Meglio A, Eijkemans M, Flicek P, Graf N, Grimm V, Guchelaar HJ, Guo YK, Gut IG, Hanbury A, Hanif S, Hilgers RD, Honrado Á, Hose DR, Houwing-Duistermaat J, Hubbard T, Janacek SH, Karanikas H, Kievits T, Kohler M, Kremer A, Lanfear J, Lengauer T, Maes E, Meert T, Müller W, Nickel D, Oledzki P, Pedersen B, Petkovic M, Pliakos K, Rattray M, I Màs JR, Schneider R, Sengstag T, Serra-Picamal X, Spek W, Vaas LA, van Batenburg O, Vandelaer M, Varnai P, Villoslada P, Vizcaíno JA, Wubbe JP, Zanetti G.
Making sense of big data in health research: towards an EU action plan.
Genome Med. 2016 Jun 23;8(1):71
(Erratum in: Genome Med. 2016 Nov 7;8(1):118)
doi: 10.1186/s13073-016-0323-y

 

Bruce Schultz , Andrea Zaliani, Christian Ebeling, Jeanette Reinshagen, Denisa Bojkova, Vanessa Lage-Rupprecht, Reagon Karki, Sören Lukassen, Yojana Gadiya, Neal G. Ravindra, Sayoni Das, Shounak Baksi, Daniel Domingo-Fernández, Manuel Lentzen, Mark Strivens, Tamara Raschka, Jindrich Cinatl, Lauren Nicole DeLong, Phil Gribbon, Gerd Geisslinger3, Sandra Ciesek, David van Dijk, Steve Gardner, Alpha Tom Kodamullil, Holger Fröhlich, Manuel Peitsch, Marc Jacobs, Julia Hoeng, Roland Eils, Carsten Claussen and Martin Hofmann-Apitius.
The COVID-19 PHARMACOME: Rational Selection of Drug Repurposing Candidates from Multimodal Knowledge Harmonization.
Preprint article
doi: 10.1101/2020.09.23.308239