Verbund

HeartMed – IKT-Plattform für patientenspezifische Modellierung in kardiovaskulärer Medizin

Teilprojekte

Abgeschlossen

Klinische Daten und Modellierung

Förderkennzeichen: 01KU2011A
Gesamte Fördersumme: 320.228 EUR
Förderzeitraum: 2020 - 2023
Projektleitung: Prof. Dr. Titus Kühne
Adresse: Charité, Universitätsmedizin Berlin, Campus Virchow-Klinikum, Institut für kardiovaskuläre Computer- assistierte Medizin
Augustenburger Platz 1
13353 Berlin

Klinische Daten und Modellierung

Herzinsuffizienz ist ein komplexes heterogenes klinisches Syndrom mit verschiedenen Subklassen und die häufigste Todesursache in der EU. Neue Behandlungsstrategien versuchen, die individuellen Charakteristika von Patientinnen und Patienten zu berücksichtigen. Insbesondere Computermodelle haben einen Reifegrad erreicht, der sie für klinische Anwendungen nutzbar macht. Dabei ist die patientenspezifische Modellierung auf Daten von hoher Qualität angewiesen, die in der klinischen Routine leider oftmals nur schwer zu erhalten sind. Ein weiteres Problem besteht in der Übertragbarkeit von Behandlungsstrategien aus Tiermodellen der Herzinsuffizienz auf den Menschen. Ziel des Verbundprojektes HeartMed ist es präklinische und klinische Daten, KI-Methoden und mechanistische Modellierung in einem neuen Konzept, der HeartMed-Plattform zu vereinigen, um die Datenqualität durch Datenabgleich sowohl zwischen individuellen Patientinnen und Patienten als auch zwischen humanen Daten und verschiedenen Tiermodellen der Herzinsuffizienz zu verbessern. Die Charité Berlin ist einerseits für die Bereitstellung der klinischen Daten innerhalb des Projekts verantwortlich. Diese Daten werden im Verbund genutzt, um Ähnlichkeiten und Unterschiede zwischen humanen Daten und Tiermodellen zu analysieren und mittels personalisierter Modellierung individuellere Diagnosen für Patientinnen und Patienten zu ermöglichen. Zudem wird die Charité anhand der klinischen sowie präklinischen Daten ein kinetisches Modell des kardialen Energiestoffwechsels erstellen. Am Ende des Projekts wird der Nutzen der HeartMed-Plattform für die klinische Diagnosefindung untersucht. Das Verbund-Vorhaben wird im Rahmen der Förderinitiative "ERA-PerMed" gefördert. Es wird durch die Charité koordiniert und besteht aus insgesamt vier Projektpartnern.

Abgeschlossen

Präklinik

Förderkennzeichen: 01KU2011B
Gesamte Fördersumme: 116.673 EUR
Förderzeitraum: 2020 - 2023
Projektleitung: Prof. Dr. Dominik Müller
Adresse: Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft (MDC)
Robert-Rössle-Str. 10
13125 Berlin

Präklinik

Herzinsuffizienz ist ein komplexes heterogenes klinisches Syndrom mit verschiedenen Subklassen und die häufigste Todesursache in der EU. Neue Behandlungsstrategien versuchen, die individuellen Charakteristika von Patientinnen und Patienten zu berücksichtigen. Insbesondere Computermodelle haben einen Reifegrad erreicht, der sie für klinische Anwendungen nutzbar macht. Dabei ist die patientenspezifische Modellierung auf Daten von hoher Qualität angewiesen, die in der klinischen Routine leider oftmals nur schwer zu erhalten sind. Ein weiteres Problem besteht in der Übertragbarkeit von Behandlungsstrategien aus Tiermodellen der Herzinsuffizienz auf den Menschen. Ziel des Verbundprojektes HeartMed ist es präklinische und klinische Daten, KI-Methoden und mechanistische Modellierung in einem neuen Konzept, der HeartMed-Plattform zu vereinigen, um die Datenqualität durch Datenabgleich sowohl zwischen individuellen Patientinnen und Patienten als auch zwischen humanen Daten und verschiedenen Tiermodellen der Herzinsuffizienz zu verbessern. Das Max-Delbrück Centrum für Molekulare Medizin ist für die Erhebung präklinischer Daten aus mechanistischen Modellen der Herzinsuffizienz verantwortlich. Diese Daten werden im Verbund genutzt, um Ähnlichkeiten und Unterschiede zwischen humanen Daten und Tiermodellen zu analysieren und mittels personalisierter Modellierung individuellere Diagnosen für Patientinnen und Patienten zu ermöglichen. Am Ende des Projekts wird der Nutzen der HeartMed-Plattform für die klinische Diagnosefindung untersucht.