Abel Torres-Espin, Universität Kalifornien, San Francisco, USA

Big-data und maschinelles Lernen für Entdeckung eines ultra-akuten ‘Physiom’ Biomarkers

Gefördert in: 2020, 2021, 2022


Zur Übersicht

Problem: Krankheitsverlauf und Erholung nach einer Rückenmarksverletzung sind schwer vorhersehbar
Ansatzpunkt: Untersuchung physiologischer Signale zum besseren Verständnis von akuten Rückenmarksverletzungen
Zielsetzung: Mit Hilfe von Big Data und Algorithmen individuellere Behandlungen entwickeln

Die jüngsten Entwicklungen in der Wissenschaft helfen, die Prognose für Betroffene besser vorherzusagen. Dazu gehören Biomarker, verbesserte Computerleistung, Fortschritte bei der künstlichen Intelligenz und im maschinellen Lernen. Biomarker sind Signale, die der Körper als Reaktion auf eine Krankheit, Verletzung oder einen physiologischen Prozess produziert. Diese Signale können uns helfen zu verstehen, was innerhalb eines Patienten geschieht und wie der Erholungsprozess wahrscheinlich voranschreiten wird. In diesem Projekt wollen die Forscher physiologische Signale, wie beispielsweise den arteriellen Druck und die Herzfrequenz untersuchen, um die Komplexität von akuten Rückenmarksverletzungen zu verstehen.
Heutzutage werden in Krankenhäusern im Sekundentakt eine Vielzahl an Informationen gesammelt, wodurch enorme Datenmengen, so genannte Big Data gewonnen werden können. Um die Menge der verfügbaren Daten sinnvoll nutzen zu können, sind moderne Analysemethoden erforderlich. Die Wissenschaftler wollen mithilfe von Big Data und die durch maschinelles Lernen gewonnenen Algorithmen, ein Muster in physiologischen Signalen finden. Die gewonnenen Erkenntnisse über die Muster ermöglichen eine genauere Bestimmung des aktuellen und zukünftigen Zustands eines Betroffenen. Während sich der Patient noch im Krankenhaus befindet, könnten diese Muster gemessen und als Biomarker verwendet werden, um den Krankheitsverlauf genauer vorherzusagen. Mit den derzeitigen Werkzeugen war dies bisher nicht möglich. Genauere Vorhersagen aus einfach gewonnenen Messungen würden medizinische Dienstleister und Pflegepersonal helfen, individuellere Behandlungen zu entwerfen, die die Erholung nach einer Verletzung maximieren würden.
Darüber hinaus wird diese Studie wertvolle Informationen über die Nutzung klinischer Datenmengen für die Rückenmarksforschung generieren und so neue Entdeckungen für die medizinische Praxis beschleunigen.