Projekte

LINCARE –​ Intervent​​​ionelle Versorgungsforschung der Gefäßmedizin

Projektbe​​schreibung:

Rund 2 bis 3 Millionen Menschen in Deutschland sind von einer arteriosklerotischen Minderdurchblutung der unteren Extremitäten (pAVK) betroffen. Angesichts dieser hohen Prävalenz und der jährlic​h rund 48.000 durchgeführten Amputationen, von denen etwa ein Drittel als vermeidbar gilt, besteht bei dieser Volkskrankheit dringender Handlungsbedarf.

Das LINCARE-Projektteam untersucht die aktuelle Situation der Patientenversorgung bei kritischen Krankheitsstadien von peripherer arterieller Verschlusskrankheit (pAVK). Hierfür werden umfangreiche Gesundheits- und Kostendaten aus den letzten zehn Jahren aus dem stationären, ambulanten und rehabilitativen Sektor genutzt. Diese Daten werden durch den Konsortialpartner, das Wissenschaftliche Institut der AOK (WIdO), bereitgestellt. Zusätzlich werden Daten von über 80.000 pAVK-Patienten einbezogen, die in deutschen Universitätskliniken behandelt wurden.

MDS-Projektmitglied​​​​​er​:

Projektpartner:

Projektbeschreib​ung:

PrivateAIM verfolgt das Ziel, im Rahmen der Medizininformatik Initiative (MII​) eine föderierte Plattform zur Analyse medizinischer Daten zu entwickeln. Dabei ist die Verarbeitung von Patient:innendaten ohne deren ausdrückliche Zustimmung in den Datenintegrationszentren der MII-Partn​​er nur zulässig, wenn die Anonymität der Betroffenen gewahrt bleibt.

Um diese Herausforderung zu bewältigen, vereint PrivateAIM Expertise aus den Bereichen föderierte Datenanalyse und innovative Datenschutzkonzepte. Derzeit erfüllen verfügbare Methoden die Anforderungen an Datenschutz und Datensicherheit nicht vollständig. Deshalb arbeitet PrivateAIM daran, d​iese Verfahren durch multimodale Datenfunktionen, umfassende Analyseoptionen und eine verteilte Infrastruktur zu erweitern, die die Überwachung, Kontrolle und Einhaltung hoher Datenschutzstandards gewährleistet.

Mit diesem innovativen Ansatz leistet PrivateA​​​IM einen bedeutenden Beitrag zur medizinischen Forschung und trägt langfristig dazu bei, die Versorgungsqualität zu verbessern.

Weitere Inform​ationen zum Projekt finden sie hier​.

MDS-Projektmitgl​ieder:

​Proje​ktpartner:

​Ergebn​​isse:

​Bild 1: Überblick über die FLAME Architektur (​Quelle​)​

Erstes Ergebnis ist die Entwicklung einer föderierten Plattform zur Analyse medizinischer Daten namens FLAME. Diese Plattform lässt sich grob in eine zentrale Komponente, den sogenannten H​​ub, und mehrere dezentrale Komponenten, die sogenannten Knoten, unterteilen. ​​Ein User startet eine Analyse über den Hub, der daraufhin ein Bild erstellt und es an alle beteiligten Knoten verteilt. Ein Knoten ist Teil der Infrastruktur eines Krankenhau​ses und hat Zugriff auf Patientendaten, sodass diese Daten für die Analyse verwendet werden können. Die Ergebnisse werden aggregiert und an den Hub zurückgesendet, wo sie dem Analysten zur Verfügung gestellt werden. Beispiele und weitere Informationen zur FLAME-Plattform finden Sie hier​.​

​Das Projekt PrivateAIM ist derzeit ​​laufend und soll voraussichtlich bis 2027 fortgesetzt werden. Ergebnisse werden zukünftig aktualisiert.

Publi​​​kationen:

Projektbeschr​​eibung:

Come2Data fungiert als Datenkompetenzzentrum (DKZ) mit einem sächsisch-regionalen S​​chwerpunkt. Ziel ist es, praxisorientierte Datenkompetenzen vorrangig in der Wissenschaft zu stärken, aber auch in der Verwaltung, in der interessierten Öffentlichkeit sowie perspektivisch in der Wirtschaft zu fördern. 

Come2Data bündelt vorhandene Ausbildungs- und Unterstüt​​zungsangebote im Bereich Datenwissenschaft sowie Expertisen und Aktivitäten zu Forschungsdatenmanagement, zur Nationalen Forschungsdateninfrastruktur (NFDI), zu Hochleistungsrechnen und zu Analyseverfahren für datenintensive, interdisziplinäre Forschungsanwendungen wie Künstliche Intelligenz und Datenmodellierung. Hierbei werden die in Sachsen vorhandenen vielfältigen lokalen, regionalen und nationalen Aktivitäten konsolidiert und zu einem nachhaltigen, synergetischen Angebot zusammengeführt. Die Grundlage bildet ein umfassendes Ausbildungs- und Unterstützungsangebot in den Bereichen Datenintegration, Datenmanagement, Datenanalyse und Datenpublikation.

​Come2Data schafft somit einen offenen Forschungs-, Unterstützungs-, Vernetzungs- und Lernort über sächsische Standorte hinweg. Das konsolidierte Ausbildungs-, Unterstützungs- und Wissensangebo​t wird über eine zentrale virtuelle Plattform Forschenden, Lehrenden und Lernenden zugänglich gemacht und gleichzeitig öffentlichkeitswirksam bereitgestellt.

MDS-Projektmitglieder:

​Projektpartne​r:

Ergebniss​e

​Refere​​nzen:

Projektbeschreibung:​

Die metabolische Dysfunktion-assoziierte steatotische Lebererkrankung (MASLD) ist mit bis zu einem Viertel der erwachsenen Bevölke​​rung in westlichen Ländern eine der häufigsten Ursachen erhöhter Leberwerte und stellt das Gesundheitssystem vor große Herausforderungen. Nur ein kleiner Anteil der Betroffenen entwickelt bei Fortschreiten der Krankheit eine Leberfibrose oder Zirrhose, was eine gezielte Identifikation von Risikopatient:innen erforderlich macht.

​Ziel des Projektes ist es, zu evaluieren, w​ie gut ein von der internationalen Fachgesellschaft empfohlener, einfacher Screening-Algorithmus zur Früherkennung von schweren Leberschäden bei MASLD-Patient:innen in der klinischen Praxis funktioniert. Hierzu werden retrospektiv Daten von Patient:innen ausgewertet, die seit 2014 an das Universitätsklinikum Leipzig überwiesen wurden. Im Fokus stehen die Analyse des FIB-4-Scores, des FAST-Scores sowie des Lebersteifigkeitswerts als primäre Screening-Instrumente und der weitere klinische Verlauf.

Das Projekt leistet damit einen Beitrag zur Versorgungso​​ptimierung und zur frühzeitigen Identifikation von Patient:innen mit hohem Risiko für schwere Lebererkrankungen.

MDS-Projektmit​glieder:

Proj​ektpartner:

Projektbeschreibu​ng:

Das Projekt VICI-VTE widmet sich der Erforschung von venösen Thromboembolien (VTE), insbesondere tiefer Ve​​nenthrombosen (TVT) und Lungenembolien (LE), bei Kindern und Jugendlichen unter 20 Jahren in Deutschland. VTE sind Blutgerinnsel, die in den Venen das Blutflusssystem blockieren und im schlimmsten Fall lebensbedrohlich werden können. Bei jungen Menschen sind VTE zwar selten, sollten aber besonders ernst genommen werden da sie oft auf besondere Risikofaktoren oder Erkrankungen hindeuten.​

Das Projekt liefert wichtige Erkenntnisse zur aktuellen Versorgungssituation und unterstützt die gezielte Optimierung der Behandlung von VTE bei Kindern und Jugendlichen.

MDS-Projektmitglie​d:

​Projektpartner:

Projektbeschreibung:​

Ziel des Projekts ist es, Verände​​​rungen der weißen Substanz im Gehirn bei der frontotemporalen Lobärdegeneration (FTLD) mithilfe von MRT-Bildgebung und Deep-Learning-Verfahren zu untersuchen. Die weiße Substanz besteht aus Nervenfasern, die verschiedene Bereiche des Gehirns verbinden; Schäden in dieser Struktur können Gedächtnis-, Sprach- oder Verhaltensprobleme verursachen.

Im Zentrum der Untersuchung steht die Identifikation von Mustern, die mit bestimmten Krankheitsformen oder -ausprägungen (Phänotypen) assoziiert sin​d. So sollen mögliche Überschneidungen oder Zusammenhänge mit Leukodystrophien erkannt werden—seltenen genetischen Erkrankungen der weißen Substanz.

​Zusätzlich wird die HeteroMRI-Methode erprobt, um MRT-Daten des F​TLD-Konsortiums basierend auf den Anomalien der weißen Substanz zu klassifizieren. Langfristiges Ziel ist es, neue diagnostische Ansätze zu entwickeln und das Verständnis der zugrunde liegenden Krankheitsmechanismen in dieser heterogenen Erkrankungsgruppe zu vertiefen.

MDS-Mitgl​​ieder:

Projektpartner:

Ergebniss​​​​e:

Publikationen:

Projektbeschreibung​​:

Das HeteroMRI-Projekt entstand im Rahmen des LEUKO-Expert-Projekts und wird im Tag-White-Projekt fortgeführt. Die Magnetresonanztomographie (MRT) wird häufig zur Analyse von Veränderungen der ​​​weißen Substanz im menschlichen Gehirn eingesetzt. Allerdings unterscheiden sich MRT-Daten oft erheblich zwischen verschiedenen Scannern und Aufnahmeeinstellungen. Diese Variabilität (Heterogenität) stellt eine große Herausforderung für die automatisierte Bildanalyse und das Training von Machine-Learning-Modellen dar – insbesondere dann, wenn nur begrenzte Datenmengen zur Verfügung stehen, wie es bei seltenen Erkrankungen häufig der Fall ist.

Dieses Projekt befasst sich ​mit dieser Problematik durch die Entwicklung einer Deep-Learning-Methode, die in der Lage ist, Veränderungen der weißen Substanz in MRT-Datensätzen aus unterschiedlichen Scannern robust zu klassifizieren. Die Methode kann für die Klassifikation von Erkrankungen trainiert und evaluiert werden, die Veränderungen der weißen Substanz im Gehirn verursachen – etwa Leukodystrophien oder Multiple Sklerose.

Um diese Herausforderung zu bewältigen, wurde HeteroMRI entwickelt – eine Deep-Learning-Methode, die darauf ausgelegt ist, Veränderungen der weißen Substanz robust über MRT-Daten aus verschiedenen Scannern hinweg zu klassifizieren. Ziel ist es, eine zuverlässige automatisierte Analyse von Erkrankungen der weißen Substanz zu ermöglichen und gleichzeitig den Einfluss scannerabhängiger Unterschiede zu minimieren.

MDS-Projektmitglieder:

​Projektpartn​er:

Ergeb​nisse:

Im Rahmen des Projekts wurde HeteroMRI entwickelt und evaluiert, eine Deep-Learning-Methode zur Klassifikation von MRT-Aufnahmen basierend auf Veränderungen der w​​​eißen Substanz im Gehirn. Die Methode wurde zunächst daraufhin getestet, ob sie zuverlässig zwischen MRTs mit und ohne Auffälligkeiten der weißen Substanz unterscheiden kann.

HeteroMRI verringert die Auswirkungen von Heterogenität in den Daten, die durch unterschiedliche MRT-Scanner und Aufnahmeeinstellungen entstehen. Dies wird durch ein Intensitäts-Clustering der weißen Substanz erreicht, das die Klassifikation unabhängiger von scanner- und protokollspezifischen Unterschieden macht.

Die Ergebnisse zeigen, dass eine robuste Klassifikation von Veränderungen der weißen Substanz auch bei heterogenen, multi-scanner MRT-Daten möglich ist, ohne dass zusätzliche Vorverarbeitungs- oder Harmonisierungsmethoden erforderlich sind. Die Methode ist zudem generalisiert einsetzbar auf bisher unbekannte MRT-Protokolle.

Die Implementierung von HeteroMRI wurde als Open-Source-Software veröffentlicht, um Transparenz, Reproduzierbarkeit und weitere Forschungsarbeiten zu fördern.

Publik​​​ationen:

Projektbeschreib​​ung:

NutriScoPe ist eine re​​trospektive Studie, die untersucht, wie Mangelernährung bei Patient:innen in verschiedenen Klinikabteilungen auftritt und welchen Einfluss eine systematische Ernährungsdiagnostik und -therapie auf den Behandlungserfolg hat.

Mangelernährung betrifft 20-30 % aller stationär aufgenommenen Patient:innen und ist mit längeren Krankenhausaufenthalten, höheren Kosten und erhöhter Sterblichkeit verbunden, besonders bei malignen Erkrankungen und chronischem Organversagen. Um diesen Risiken entgegenzuwirken, wurde am Universitätsklinikum Leipzig (UKL) ein Ernährungsteam eingerichtet, das Patient:innen gezielt während des stationären Aufenthalts betreut.

Um Patient:innen mit erhöhtem Risiko für Mangelernährung zu erfassen, wird am UKL ein standardisiertes Verfahren das Nutritional Risk Screening (NRS) eingesetzt: Patient:innen durchlaufen bei stationärer Aufnahme ein Vorscreening, bei auffälligen Befunden folgt ein Hauptscreening. Bei nachgewiesener Mangelernährung erhalten sie eine gezielte Ernährungstherapie durch das Ernährungsteam. Im Vergleich dazu wird an der Universitätsklinik Jena bislang keine systematische NRS-Erfassung durchgeführt.

Die Studie basiert auf medizinischen Dokumentationsdaten der beiden Kliniken und analysiert die Prävalenz von Mangelernährung, deren Verteilung auf verschiedene Fachabteilungen sowie die Auswirkungen des automatisierten Nutritional Risk Screening auf Therapieerfolg, Krankenhausverweildauer und Komplikationen. Außerdem werden Zusammenhänge mit Alter, Geschlecht und Hauptdiagnosen untersucht, um gezielte Maßnahmen zur Verbesserung der Patientenversorgung ableiten zu können.

Weitere Informationen zum Projekt finden Sie unter: FDPG - Forschungsdatenportal für Gesundheit​

MDS-Projektmit​​glieder:

​Projektpartner:

Ergebn​isse: 

Die Auswertung der Daten zeigte, dass nicht alle Patient:innen mit einem positiven Vorscreening ein anschließendes Hauptscreening am UKL erhielten, was eine Abweichung vom NRS-Protokoll darst​​ellt. In der klinischen Praxis erfolgte das Hauptscreening überwiegend bei Patient:innen mit schwereren Krankheitsverläufen.

Da das Vorscreening auf einer Selbsteinschätzung bei der A​ufnahme in die Klinik beruht, war mit Verzerrungen zu rechnen. Auffällige Hauptscreenings wurden insbesondere in der Viszeralchirurgie beobachtet, häufig bei Patient:innen mit malignen Komorbiditäten.

Ein höherer NRS-Score im Hauptscreening korrelierte deutlich mit ungünstigeren klinischen Verläufen. So zei​gten sich bei diesen Patient:innen eine erhöhte Mortalität, eine längere stationäre Verweildauer sowie eine höhere Wiederaufnahmerate.

Die folgende Abb​ildung veranschaulicht die bisherigen zentralen Ergebnisse der Analyse (Stand 09/2025):

Abbildung 1: Anzahl der P​atient:innen, die von 2017 bis 2023 ein Nutritional Risk Screening (NRS-Screening) am UKL erhalten haben. Eigene Darstellung.

​ Abbildung 2: Dauer des statio​​​​nären Aufenthalts in Abhängigkeit von der NRS-Score-Gruppierung im Hauptscreening

​ Abbildung 3: Body-Mass-Index in Abhängigkeit von d​e​r NRS-Score-Gruppierung im Hauptscreening​

​Publik​​​ationen:

​​Jedes Jahr werden zahlreiche klinische Versuche, epidemiologische Studien und andere medizinische Forschungsprojekte durchgeführt, bei denen Daten über Probanden und Patienten, ihre Diagnosen und Therapien sowie ihr Umfeld im Hinblick auf eine relevante Forschungsfrage gesammelt werden. Während die Ergebnisse dieser Forschungsprojekte häufig veröffentlicht werden, gibt es jedoch keine einheitliche Methode zur Veröffentlichung von Metadaten und Daten. Manchmal werden Metadaten und Daten nicht in einem gemeinsamen Format wie dem Objektdatenmodell oder anderen verfügbaren Standards verwaltet. Daher sind solche Daten oft nicht auffindbar, zugänglich, interoperabel und wiederverwendbar. Diese FAIR-Kriterien sind immanent wichtig, um die Forschungsergebnisse transparent und wiederverwendbar zu machen, was für die medizinische Forschung von Vorteil ist.

Das Ziel von NFDI4Health ist es, diese Belastungen zu überwinden, indem ein Konzept für eine föderierte Forschungsdateninfrastruktur für persönliche Gesundheitsdaten entworfen und umgesetzt wird. Diese Arbeit umfasst eine gemeinsame Datenstruktur für alle diese Daten, die föderierte Dateninfrastruktur selbst, Datenschutz und verteilte Analyseinfrastrukturen, die es ermöglichen, die verteilten Daten einzubeziehen und zu berechnen. Wir werden die Funktionalität all dieser Aspekte anhand einer Reihe von Anwendungsfällen zeigen.

NFDI4Health ist eine von der Deutschen Forschungsgesellschaft gefördertes Projekt. Weitere Informationen finden Sie hier​.​