KI sagt Transplantationsrisiken voraus

Bisher erleiden etwa 30% der Transplantierten Rückfälle

Wenn eine Strahlen- oder chemotherapeutische Behandlung von Leukämien oder Lymphomen keinen ausreichenden Erfolg bringt, ist Transplantation von Knochenmark- oder Blutstammzellen zumeist die einzige Chance auf Heilung. Ein Großteil der Patienten stirbt bisher leider trotz Transplantation, oft durch spontan auftretende Infektionen, Transplantat-gegen-Empfänger-Reaktion und Rezidive. Neuartige Vorhersagemodelle für den individuellen Krankheitsverlauf, wie sie im Forschungsprojekt "XplOit" entwickelt werden, prognostizieren Auftreten und Ausmaß der genannten Risiken und ermöglichen Transplantationsmedizinern so eine frühzeitige, lebenserhaltende Intervention bei gefürchteten Komplikationen.

Die neue Datenintegrations-, Modellentwicklungs- und Validierungsplattform "XplOit" erleichtert die Entwicklung und Überprüfung solcher Vorhersagemodelle. Die Plattform bereitet Datenbestände so auf, dass sie für die systemmedizinische Forschung nutzbar werden und schafft auf diese Weise die Grundlagen für den künftigen Einsatz von Künstlicher Intelligenz (KI) in der Transplantationsmedizin. Die XplOit-Plattform wurde in den vergangenen drei Jahren entwickelt, um Vorhersagemodellen zu validieren, welche in erster Linie die Behandlung nach Stammzelltransplantation verbessern sollen.

Neue und wirksame Vorhersagemodelle

Die Transplantation blutbildender Stammzellen von Spendern wird beispielsweise zur Therapie verschiedener Formen der Leukämie eingesetzt. Krankheitsrückfälle sind gefürchtet und nicht selten. Erste präzise Vorhersagemodelle, die individuell für jeden Patienten mögliche Komplikationen voraussagen, werden 2019 in der XplOit-Plattform verfügbar sein. Damit können dann lebensbedrohliche Komplikationen schneller erkannt und frühzeitiger als heute behandelt werden, wie zum Beispiel die gefürchtete Transplantat-gegen-Wirt-Reaktion.

Prädiktive Modelle können Kliniker bei der Diagnose und Behandlung ihrer Patienten unterstützen. Für die Entwicklung dieser mathematischen Vorhersagemodelle müssen in großem Umfang unterschiedlichste klinische Patientendaten aus den Informationssystemen zusammengetragen, harmonisiert und analysiert werden. Dabei ist im vorliegenden Projekt "XplOit" der Datenschutz beim Umgang mit persönlichen und sensiblen Patienteninformationen sichergestellt.

Die aus der Analyse der Daten gewonnenen komplexen Vorhersagemodelle werden zunächst im weiteren Verlauf des Projekts validiert und auf ihre Vorhersagegenauigkeit hin überprüft, bevor sie dann ihren Weg in die Praxis gehen werden.

esanum is an online network for approved doctors

esanum is the medical platform on the Internet. Here, doctors have the opportunity to get in touch with a multitude of colleagues and to share interdisciplinary experiences. Discussions include both cases and observations from practice, as well as news and developments from everyday medical practice.

esanum ist ein Online-Netzwerk für approbierte Ärzte

esanum ist die Ärzteplattform im Internet. Hier haben Ärzte die Möglichkeit, mit einer Vielzahl von Kollegen in Kontakt zu treten und interdisziplinär Erfahrungen auszutauschen. Diskussionen umfassen sowohl Fälle und Beobachtungen aus der Praxis, als auch Neuigkeiten und Entwicklungen aus dem medizinischen Alltag.

Esanum est un réseau en ligne pour les médecins agréés

esanum est un réseau social pour les médecins. Rejoignez la communauté et partagez votre expérience avec vos confrères. Actualités santé, comptes-rendus d'études scientifiques et congrès médicaux : retrouvez toute l'actualité de votre spécialité médicale sur esanum.