Department für
Informationstechnologie und Angewandte Medizininformatik

CORD

Im CORD-Projekt der Medizininformatik‐Initiative (MI‐I) engagieren sich 20 Universitätsklinika und weitere Partner für die Verbesserung von Versorgung und Forschung für Menschen mit seltenen Erkrankungen durch Erhöhung der Verfügbarkeit von Daten über diese Erkrankungen.

The CORD project of the Medical informatics initiative (MI‐I) brings together 20 University Medical Centers, in an effort to significantly improve care and research regarding patients with rare diseases, through improving the availability of data on such diseases.

POLAR (Konsortien übergreifender Use Case POLypharmacy – Drug interActions)

Das POLAR-Projekt der Medizininformatik‐Initiative (MI‐I), ein Zusammenschluss von 13 Deutschen Universitätskliniken, hat das Ziel, einen Beitrag zur Detektion von Gesundheitsrisiken bei Patienten mit Polymedikation zu leisten. Dazu soll das Wechselwirkungsrisiko bzw. das Risiko für unerwünschte Nebenwirkungen („Adverse Drug Events“) bei gleichzeitiger Einnahme verschiedener Medikamente bestimmt werden. Es wird also unmittelbar darauf hingearbeitet die Sicherheit der Patienten u erhöhen.

The POLAR project of the Medical informatics initiative (MI‐I) ), involving 13 German University hospital centers, aims to contribute to the detection of medication related health risks, in particular Polypharmacy.[OK1] By defining risk factors for adverse drug events and side-effects this study contributes to the improvement of patient safety.

LOC-PD (Longitudinal cohort study of patients with Parkinson’s disease (LOC-PD) in early and late disease stages)

• Zweithäufigste neurodegenerative Erkrankung

• > 1% der Menschen älter als 60 Jahre betroffen

• 300.000 Patienten in Deutschland haben die Diagnose Morbus Parkinson

• Verdopplung in der Prävalenz ist bis 2050 zu erwarten

• Klinisch und ätiologisch heterogen

Die Integration und Analyse aller relevanten klinischen und paraklinischen Daten ist nötig, um das Ansprechen auf die Therapie über den gesamten Krankheitsverlauf vorherzusagen. Wir hoffen Marker für das Ansprechen auf die Behandlung zu finden um das Fortschreiten der Erkrankung in frühen Krankheitsstadium vorherzusagen. Damit soll es möglich werden bereits zum Zeitpunkt der Diagnosestellung personalisierte Therapieentscheidungen zu treffen und durch verbesserte Diagnose die Entwicklung neuer Therapiestrategien zu ermöglichen.

Mit dem Voranschreiten der Parkinson-Erkrankung werden höhere und häufigere Levodopa-Dosen benötigt. Dies liegt unter anderem an der Abnahme der Wirkungsdauer der dopaminergen Medikamente (sowohl aus kurzfristiger als auch langfristiger Sicht) als auch an der Tatsache, dass überschüssiges Dopamin vom Körper nicht gespeichert werden kann. In fortgeschrittenen Krankheitsstadien nehmen Parkinson-Patienten oftmals eine Vielzahl an Medikamenten pro Tag zur Behandlung der Symptome ein. Die Implantation eines Tiefenhirnstimulators bietet prinzipiell die Möglichkeit die Beweglichkeit der Patienten im Mittel um ca. 30% zu verbessern und als Folge die Lebensqualität der Patienten zu erhöhen. Langzeitstudien in größeren Kohorten sind notwendig um den Einfluss der DBS Implantation auf die Kognition zu beurteilen.

Prospective study (LOC-PD) to define clinical markers which predict 36-month outcome in the early disease phase (part I) and treatment response to deep brain stimulation (part II) in late stages of Parkinson’s disease (PD).

ProVal MS (Prospektive Studie zur Validierung eines multidimensionalen Entscheidungsscores zur Vorhersage des Therapieergebnis nach 24 Monaten bei unbehandelten Patienten mit einem klinisch isolierten Syndrom oder früher schubförmig-remittierender MS)

Multiple Sklerose ist eine nach wie vor schwer behandelbare neurodegenerative Erkrankung. Es stehen verschiedene Therapiemöglichkeiten zur Verfügung, die unterschiedlich aggressiv und mit tTitel Infotext / Autoren Multiple Sklerose ist eine nach wie vor schwer behandelbare neurodegenerative Erkrankung. Es stehen verschiedene Therapiemöglichkeiten zur Verfügung, die unterschiedlich aggressiv und mit teils schweren Nebenwirkungen verbunden sind. Ziel der Studie ist es, aufgrund klinischer und molekularer Daten (z.B. genetischer Merkmale) eine frühzeitige Erkennung einer optimalen Therapieoption zu ermöglichen. Dadurch würde den Patienten ein langwieriges Durchprobieren unterschiedlicher Therapien (und deren Nebenwirkungen) erspart. Link Verlinkter Texteils schweren Nebenwirkungen verbunden sind. Ziel der Studie ist es, aufgrund klinischer und molekularer Daten (z.B. genetischer Merkmale) eine frühzeitige Erkennung einer optimalen Therapieoption zu ermöglichen. Dadurch würde den Patienten ein langwieriges Durchprobieren unterschiedlicher Therapien (und deren Nebenwirkungen) erspart.

Prospective study to validate a multidimensional treatment decision score (DIFUTURE-MS-TDS) which predicts the 24-month outcome in untreated patients with Clinically Isolated Syndrome and early Relapsing-Remitting Multiple Sclerosis under specific treatment options.

NUM-DIZ

Im Rahmen des NUM-DIZ-Projekts bauen die bereits etablierten DIZ ihr Service-Portfolio kontinuierlich aus und erschließen neue Datenquellen.

DIFUTURE

Durch die Nutzung modernster Technologien und datengesteuerter Ansätze ermöglicht DIFUTURE eine präzisere und personalisierte Therapiegestaltung für MS-Patienten.

PrivateAIM

Entwicklung maßgeschneiderter KI-Methoden, Risikomodelle und Föderationsmechanismen.

PM4Onco

Das Verbundprojekt PM⁴Onco (Personalized Medicine for (4) Oncology) hat zum Ziel, die Datennutzung zwischen onkologischen Exzellenzzentren zu verbessern, um maßgeschneiderte Therapien zu fördern.

GemTeX

Im Rahmen von GeMTeX sammeln die sechs universitätsmedizinischen Standorte München, Leipzig, Essen, Berlin, Dresden und Erlangen mit Einwilligung der Patientinnen und Patienten Dokumente aus elektronischen Gesundheitsakten (ePA).

EyeMatics

„Behandlung“ von Augenerkrankungen mit interoperabler medizinischer Informatik

PCOR-MII

Ziel ist es, die digitale Erfassung von PROs in Kliniken zu etablieren und diese in den nationalen Kerndatensatz der Medizininformatik-Initiative (MII) zu integrieren.

NCT-SW

Das NCT SüdWest ist ein international führender Standort mit den klinischen Forschungsschwerpunkten Molekulare Therapien und akademische Wirkstoffentwicklung, Innovative Immuntherapien sowie Molekulare und multiparametrische Bildgebung.

DZPG

Als eines von acht Deutschen Zentren der Gesundheitsforschung will das DZPG die psychische Gesundheit der Bevölkerung verbessern und das Stigma von psychischen Erkrankungen nehmen.

Modellvorhaben Genomsequenzierung

Im Rahmen des Modellvorhabens zur Genomsequenzierung (MV GenomSeq) werden Personen mit Seltenen Erkrankungen oder Krebserkrankungen untersucht. Es geht darum, genetische Veränderungen zu identifizieren, die diese Krankheiten potenziell verursachen könnten.

INCAP

Versorgungsstudie für Betroffene mit Long COVID und anderen postinfektiösen Folgeerkrankungen INCAP – „Integrated Multiprofessional Primary Care based Model for Severely Affected Patients with Post Infection Syndrome“

PRIMA

Transformation von Hausarztpraxen zu multiprofessionellen Primärversorgungszentren mit Pflegefachpersonen

FoPraNet

Das FoPraNet-BW ist ein regionaler Zusammenschluss von forschungsinteressierten hausärztlichen Praxen und den allgemeinmedizinischen Einrichtungen an den Universitätsklinika Tübingen, Heidelberg, Freiburg, Ulm sowie dem Reutlingen Research Institute der Hochschule Reutlingen.

Treat-HSP

Netzwerk zum Thema HSP

FAIR4Rare

Begleitende Evaluation des Aufbauprozesses eines offenen Nationalen Registers für Seltene Erkrankungen (NARSE)

Jardin

To improve the accessibility of the ERNs for patients across Europe, the EU has funded a pioneering 3-year project involving all member states (MS) plus Norway and Ukraine, the Joint Action on Integration of ERNs into National Healthcare Systems

ALOA-R: Retrospektive Studie an OP-Arztbriefen zur Entwicklung eines allgemeinverständlichen OP-Arztbriefes

Allgemeinverständliche OP-Arztbriefe

Inhalt: meDIC und die Klinik für Allgemeine, Viszeral- und Transplantationschirurgie verfolgen im Projekt ALOA-R gemeinsam mit dem Comprehensive Cancer Center Südwest und dem CCC Patientenbeirat einen Ansatz zur Bereitstellung von schriftlichen Informationen an Patientinnen und Patienten in allgemeinverständlicher Sprache.

Ausgangslage: Patientinnen und Patienten erhalten vor, während und nach ihrem Aufenthalt am UKT Arztbriefe und weitere Dokumente, z.B. den Entlassbrief, in denen medizinische Sachverhalte festgehalten werden für behandelnde Ärzte und Einrichtungen und auch für Patienten und Patientinnen. Die medizinische Fachsprache ist für Menschen ohne Vorbildung zu schwer verständlich und erreicht damit wenig Aufklärung.

Methode: meDIC und AVTC entwickeln einen Piloten, der automatisiert die medizinische Fachsprache der Arztbriefe in allgemeinverständliche Sprache umwandelt. Der Pilot nutzt generative Sprachmodelle, das heißt eine Form der künstlichen Intelligenz, die anhand von vielen Textdaten gelernt hat, auch Text zu produzieren.

Ziel: Im Rahmen der retrospektiven ALOA-R Studie soll ein Pilotprojekt entwickelt und evaluiert werden. Am Beispiel des Entlassbriefs steht dabei nicht nur die verständliche Aufklärung über Anamnese und Operation im Fokus, sondern auch die klare Vermittlung der nächsten Schritte nach der Entlassung. Wenn Patientinnen und Patienten besser verstehen, wie ihre Behandlung weitergeht und was sie selbst beachten müssen, profitieren sowohl sie selbst als auch die behandelnden Fachkräfte.

Retrospektive Auswertung der Tübinger Neurointensivpatienten mit Bestimmung epidemiologischer Parameter und klinischer Faktoren mit Einfluss auf den Verlauf ihrer Erkrankung

PIs: Prof. Dr. Katharina Feil und PD Dr. Annerose Mengel

Inhalt: Das meDIC und die Klinik für Neurologie mit Schwerpunkt für neurovaskuläre Erkrankungen Neurologische Intensivmedizin entwickelt Methoden zur Vorhersage des klinischen Verlaufs von Patient:innen, die am UKT eine neurointensivmedizinische Behandlung erhalten haben. Insbesondere ergründet die Studie die Bedeutung von Vitalparametern im klinischen Verlauf. Dazu werden pseudonymisierte Daten von Patientin:innen seit 2017 analysiert. Zur Vorhersage kommen Methoden des Maschinellen Lernens zum Einsatz. Das heißt auf Basis von historischen Daten werden die Parameter eines Models gelernt, sodass die möglichst genaue Voraussage des klinischen Verlaufs möglich ist. Dieses Trainieren und auch die Evaluation findet im UKT statt auf den pseudonymisierten Daten. Es verlassen keine Patientendaten das Klinikum.

PeriMyo

Erklärbare maschinelle Lernmodelle zur Vorhersage perioperativer Myokardschäden bei nicht-kardialen Operationen

PI: Prof. Dr. Michael Köppen

Ausgangslage: In seltenen Fällen kommt es bei Operationen, die nicht das Herz betreffen („nicht-kardial“), trotzdem zu Herzproblemen („periooperative Mykoardschäden“). Diese Herzprobleme treten nicht mit den sonst typischen Symptomen (z.B. Atemnot, Engegefühl in der Brust) auf, was die Erkennung und Behandlung schwieriger macht.

Inhalt: Eine Künstliche Intelligenz („maschinelle Lernmodelle“) entdeckt Muster und Auffälligkeiten in großen Datenmengen und berechnet das Risiko für eine Person. Dazu zählt beispielsweise ein erhöhter Laborwert, der besonders häufig bei Patientinnen und Patienten mit Myokardschaden auftritt. Ein Fokus für die verwendete KI ist dabei die Erklärbarkeit. Die KI „erklärt“ dabei, wie sie zu ihrer Risikoeinschätzung kommt (z.B. ein bestimmter Laborwert ist erhöht). Damit erhalten Ärztinnen und Ärzte zusätzliche Sicherheit in die KI und können die Risikoeinschätzung besser für die weitere Behandlung berücksichtigen.