Digitale Infektionsmedizin: Individualisierte Patientenversorgung

Schlüsselbereich 3

Koordination: Medizinische Hochschule Hannover, MHH

Die oben bereits erwähnte Herausforderungen durch die Neuartigkeit des Virus geht mit einem weitgehend unbekannten Krankheitsverlauf einher, für dessen Prognose zunächst noch keine oder nur wenige Marker bekannt und etabliert sind. Basis für die Identifikation solcher Marker sowie für das Verständnis der Pathogenese sind qualitativ hochwertige Daten zu individuellen Krankheitsverläufen sowie eine möglichst umfangreiche Charakterisierung sowohl der Patient*innen als auch des Virus.

Zu den klinischen Verlaufsdaten gehören dabei nicht nur klassische klinische Daten aus der stationären Versorgung (z.B. Labordaten, Medikation, Vitalparameter), sondern auch detaillierte, hochaufgelöste Daten aus dem Bereich der Intensivmedizin (z.B. Beatmungsdaten, Extrakorporale Membranoxygenierung), der Bildgebung und der molekularen Charakterisierung (Omics). Weiterhin sollten – gerade auch vor dem Hintergrund der bei COVID-19 Erkrankungen beobachteten schubweisen Verläufen mit intermittierender Besserung gefolgt von rapiden Verschlechterungen – auch syndromische Daten aus dem nicht-klinischen Umfeld (patientengenerierte Daten z.B. über Apps mit Symptomerfassung) berücksichtigt werden. 

Forschungsziele

Auf der Basis der zahlreichen methodischen Vorarbeiten und der laufenden Arbeiten zur Sammlung von SARS-CoV-2 assoziierten, heterogenen Daten sowohl in der Infektions-Grundlagenforschung als auch in der klinischen Versorgung liegt der Schwerpunkt dieses Schlüsselbereichs auf der Entwicklung und praktischen Erprobung neuer Informatik-Methoden für eine individualisierte Patientenversorgung.

Diagnostische und prognostische Modelle

In diesem Bereich sollen Arbeiten zur Identifikation von neuen diagnostischen und prognostischen Markern und Markerkombinationen aus heterogenen Datenbeständen (u.a. klinische Verlaufsdaten inkl. Intensivmedizin, Bilddaten, Omics und patientengenerierten Daten aus mobilen Apps und Sensoren) durchgeführt werden, die bisher unbekannte Zusammenhänge in der Pathogenese und dem Verlauf von Corona-Erkrankungen aufdecken und dadurch die rasche und präzise Diagnose ermöglichen, aber auch Prognosen zum Verlauf und dem erwarteten Ressourcenbedarf für individuelle Patientinnen und Patienten. Dafür kommen Verfahren aus dem Bereich Maschinenlernen und Künstliche Intelligenz zum Einsatz.

Klinische Entscheidungsunterstützung

In diesem Bereich sollen diagnostische und prognostische Modelle gemeinsam mit den in anderen Schwerpunktbereichen erarbeiteten Therapiestrategien in klinisch nutzbare, prototypische Informatik-Werkzeuge zur maschinellen Entscheidungsunterstützung umgesetzt werden. Neben der praktischen Erprobung und Evaluation dieser Werkzeuge sind dabei auch die Vermeidung von Verzerrungen durch unausgewogene Daten (daher bevorzugte Nutzung von Daten aus mehreren Standorten) sowie die Bereitstellung von Erklärungskomponenten von besonderer Bedeutung (Vermeidung des „Black-Box“-Problems, Nachvollziehbarkeit der Entscheidungsempfehlungen). Diese Arbeiten sollen mit Industriebeteiligung durchgeführt werden, da es sich um Medizinprodukte nach MPG/MDR handelt. Deshalb sollen hier auch adaptive Lernverfahren eingesetzt werden, die entsprechend des aktuellen Wissensstands des ärztlichen Personals effektiv Wissen und Handlungsanweisungen zur Verfügung stellen. Dies kann prinzipiell auch analog auf das Pflegepersonal übertragen werden.

Wesentliche Vorarbeiten der Partner

Die Partner des COFONI Netzwerkes haben im Bereich der Sammlung und Repräsentation von Daten zur Identifikation von neuen Biomarkern für COVID-19 bereits wesentliche Vorarbeiten geleistet. Die MHH und die UMG implementieren als Kernstandorte im HiGHmed Konsortium der BMBF-Medizininformatik-Initiative jeweils lokale Datenintegrationszentren, in denen eine gemeinsame technische Plattform etabliert wird.

Alle klinischen Daten werden dort auf Basis eines offenen, gemeinsamen Repräsentationsstandards gespeichert und stehen zur Analyse mit standardisierten Werkzeugen bereit. Die Umsetzung des auf nationaler Ebene festgelegten GECCO-Datenmodells (German Corona Consensus) erfolgt zurzeit. 

Prototyp einer zentralen, nationalen COVID-19 Datenplattform

Auf dieser Basis haben MHH und UMG maßgeblich am Angebot aller 34 Universitätskliniken an das Nationale Forschungsnetzwerk der Universitätsmedizin zu COVID-19 mitgewirkt und gemeinsam einen Prototypen einer zentralen, nationalen COVID-19 Datenplattform aufgesetzt. Zudem haben sie im Verbund mit dem HZI und dem RKI das in HiGHmed entwickelte Smart Infection Control System (SmICS, klinische Leitung UMG, Prof. Scheithauer, techn. Leitung MHH, Prof. Marschollek) innerhalb weniger Wochen für die Identifikation nosokomialer SARS-CoV-2 Infektionsketten modifiziert und an verschiedenen Universitätskliniken ausgerollt.

Für die klinische Entscheidungsunterstützung auf Intensivstationen wurde am Peter L. Reichertz Institut für Medizinische Informatik (PLRI) ein Prototyp entwickelt, dessen Weiterentwicklung im neuen BMG-Projekt ELISE gefördert wird. Für die hier notwendige umfassendeCharakterisierung der Patien*tinnen und die Erhebung longitudinaler Verlaufsdaten reicht der GECCO-Datensatz derzeit aber nicht aus, so dass eine deutliche Erweiterung für Forschungsnetzwerk COFONI erforderlich wird.

Im „Zukunftslabor Gesundheit“ (MWK-Förderung 2019–2023) wird zurzeit eine niedersächsische Forschungsdatenplattform aufgebaut, welche mit einigen Erweiterungen für die Daten des COFONI Netzwerks genutzt werden kann. Dazu muss die Plattform um Datenmodelle sowie Datenbankstrukturen für große Omics-Daten, für Bilddaten und -marker und für intensivmedizinische Zeitreihendaten (z.B. aus Beatmungsmaschinen und Überwachungsmonitoren) erweitert werden, und es müssen Analysewerkzeuge und -verfahren etabliert werden, insbesondere für die Identifikation von verschiedenen Risikogruppen für schwere Verläufe und für die Prädiktion von Behandlungserfolgen bei unterschiedlichen therapeutischen Strategien. Das HZI hat mehrere Apps zur Erfassung außerklinischer COVID-19 Daten und zur Kontaktpersonennachverfolgung entwickelt (u.a. PIA, SORMAS).

Hannover Unified Biobank der MHH

Durch Mittel des MWK wird an der Hannover Unified Biobank der MHH unter Leitung von Prof. Thomas Illig bereits eine longitudinale COVID-19 Kohorte mit breiten klinischen Daten und diversen Biomaterialien aufgebaut. Zusätzlich werden Daten und Biomaterial aus den Standorten Göttingen (Dr. Sara Nußbeck, Zentrale Biobank UMG) und Braunschweig (Prof. Dieter Jahn, TU Braunschweig und dem Klinikum Braunschweig) einfließen. Zusammen stehen somit bereits Daten und mehrere Bioproben von mehr als 60 Patient*innen zur Verfügung. Die Kohorten werden an den drei Standorten durch vorhandenes Studienpersonal je nach Anzahl der Infizierten weitergeführt und ständig vergrößert.

Die klinische Entscheidungsunterstützung insbesondere in der Notaufnahme wird von der UMG in den Projekten ALINA und OPTINOFA adressiert; hier ist eine Erweiterung auf COVID-19 spezifische Handlungsanweisungen möglich.

Die UMG ist maßgeblich am europäischen Register zu COVID-19 bei Multipler Sklerose beteiligt und hat dort insbesondere die Datenmodelle mitentwickelt (MI). Darüber hinaus beteiligt sich die UMG an der LEOSS.core-Kohorte (Dr. Seidler).

Kontakt

Prof. Dr. Thomas Illig
Stellvertretender Direktor Institut für Humangenetik, Leiter der Biobank
Medizinische Hochschule Hannover
Carl-Neuberg-Str. 1
30625 Hannover
Illig.Thomas(at)mh-hannover.de

Prof. Dr. Dr. Michael Marschollek
Leiter Peter L. Reichertz Institut für Medizinische Informatik
Medizinische Hochschule Hannover
Carl-Neuberg-Str. 1
30625 Hannover
Marschollek.Michael(at)mh-hannover.de

Folgen Sie uns