Um Patientinnen und Patienten mit Asthma und chronisch obstruktiver Lungenerkrankung (COPD) besser diagnostizieren und individuell behandeln zu können, sollen die Einflussfaktoren der Krankheitsbilder und ihre Interaktionen besser verstanden werden. Mit künstlicher Intelligenz und Machine Learning sollen multidimensionale Modelle entwickelt werden, um das Risiko für wichtige klinische Ergebnisparameter vorherzusagen.

Asthma und COPD sind die häufigsten, chronischen Erkrankungen der Lunge. Unter beiden Krankheitsbegriffen subsummieren sich verschiedene Erscheinungsformen:

  • mit unterschiedlichen krankheitsauslösenden Vorgängen im Körper,
  • Unterschieden in messbaren Parametern wie der Lungenfunktion oder von im Blut messbaren Werten,
  • Unterschieden im Ansprechen auf bestimmte Medikamente und Therapien sowie im Langzeit-Krankheitsverlauf.

Asthma und COPD sind auf den ersten Blick zwei klar unterscheidbare Krankheiten. In den letzten Jahren - mit einem besseren Verständnis der Vorgänge im Körper, des Einflusses von externen Faktoren, von Begleiterkrankungen oder von im Erbgut festgelegten Eigenschaften - wird immer deutlicher, dass die Grenze nicht immer klar gezogen werden kann und Patientinnen und Patienten Symptome beider Erkrankungen zeigen können.

Das Besondere an dem Projekt CALM-QE: Es werden Daten aus der Krankenversorgung verwendet, sogenannte „Real-World-Data“. Diese bilden die Versorgungsrealität ab. Gleichzeitig werden alle Patientinnen und Patienten mit dem jeweiligen Krankheitsbild berücksichtigt, es findet somit keine Auswahl und auch kein Ausschluss von Patienten statt, sodass umfassende Erkenntnisse über alle Patienten in der oben angesprochenen Vielfalt generiert werden. Mit diesem Ansatz können die Daten von zahlreichen Patientinnen und Patienten analysiert werden. Diese hohe Anzahl ist notwendig, um hinsichtlich der Vielfalt an Einflussfaktoren und Erscheinungsformen Muster zu erkennen und mit Hilfe von Techniken der künstlichen Intelligenz und des Machine Learnings multidimensionale Modelle zu entwickeln, die eine individuelle Aussage ermöglichen.

Der Umfang der betrachteten Einflussfaktoren und Parameter ist sehr groß: Neben Patientendaten über die Krankheit, ihren Verlauf und die Therapie fließen auch Daten aus der Umwelt ein, z.B. zur Luftverschmutzung und zum Klima. In einigen Fällen werden auch Echtzeit-Daten wie Sauerstoffsättigung und Pulsfrequenz über SmartWatches erhoben.

Individualisierte, personalisierte Medizin ist ein wichtiger Baustein für die aktive Partizipation des Patienten. Diese Partizipation sollte schon in der Forschung beginnen. CALM-QE schließt ausdrücklich Patientinnen und Patienten als Partner ein. Vertreterinnen und Vertreter von Patientenorganisationen werden die Sichtweise und Prioritäten der Patienten in das Projekt einbringen.

CALM-QE vereint die Expertise aus der Erwachsenen- und Kinder-Pneumologie, von Expertinnen und Experten im Bereich der chronischen Inflammation, der künstlichen Intelligenz und Modellierungen sowie von Patientinnen und Patienten. Ziel ist es, durch ein genaueres Bild auf den einzelnen Patienten individuelle Risikofaktoren und entsprechende Gegenmaßnahmen und damit eine passgenauere Therapie identifizieren zu können, um zu einer besseren Kontrolle der Krankheit sowie letztendlich zu einer verbesserten Lebensqualität beizutragen.

Projektpartner:

Ansprechpartner:

Prof. Dr. med. Harald Renz
Institut für Laboratoriumsmedizin und Pathobiochemie, Molekulare Diagnostik
Philipps-Universität Marburg
Baldingerstrasse
35043 Marburg

Tel.: (+49) 6421-58-66234/-5
E-Mail: renzh@med.uni-marburg.de

Prof. Dr. Harald Renz © Universitätsklinikum Marburg

 

Prof. Dr. Harald Binder
Albert-Ludwigs-Universität Freiburg, Medizinische Fakultät
Universitätsklinikum Freiburg, Institut für Medizinische Biometrie und Statistik
Hugstetter Str. 49
79106 Freiburg im Breisgau

Tel.: (+49) 761 2036 700
E-Mail: harald.binder@uniklinik-freiburg.de

Prof. Dr. Harald Binder