Verbund

PerMed-COPD - Personalisierte Medizin für die Prävention und Behandlung von COPD

Die chronisch obstruktive Lungenerkrankung (COPD) ist die dritthäufigste Todesursache weltweit. Es wird prognostiziert, dass sie aufgrund der alternden Bevölkerung zunehmen und somit eine enorme sozioökonomische Belastung darstellen wird. Bestehende Behandlungs- und Präventionsstrategien tragen der komplexen, vielschichtigen und heterogenen Pathophysiologie sowie den vielfältigen, zum Teil sehr belastenden Begleiterkrankungen (kardiovaskulär, metabolisch usw.) nicht ausreichend Rechnung. Daher ist die Umsetzung der jüngsten Forschungsergebnisse in eine verbesserte COPD-Diagnose und -Klassifizierung in der klinischen Praxis dringend nötig. Das Ziel der Integrierten Forschungsplattform „PerMed-COPD" ist, eine neuartige personalisierte Strategie für die Behandlung und Prävention von COPD umzusetzen. Die Forschungsplattform besteht aus vier Verbundpartnern: die Philipps-Universität Marburg sowie die Ludwig-Maximilians-Universität München, die Universität Heidelberg und die Biomax Informatics AG. In einer prospektiven, randomisierten, kontrollierten Studie soll der zusätzliche Nutzen eines klinischen Entscheidungsunterstützungssystems auf der Grundlage von bildgebenden Biomarkern und klinischen Parametern bei COPD im Vergleich zur üblichen Versorgung bewertet werden. Es sollen neuartige pathophysiologisch relevante Biomarker (polygene Risikoscores, Exosomen, Mikrobiom) aus vorhandenen Bioproben identifiziert und mittels Techniken des maschinellen Lernens validiert werden. Des Weiteren soll eine Implementationsanalyse durchgeführt werden, die gesundheitsökonomische Begleitforschung einschließlich einer Kosten-Nutzen-Analyse der neuen personalisierten Strategie beinhaltet. Der Vergleich der personalisierten Strategie mit der Standardbehandlung soll eine Abschätzung der kurz- und mittelfristigen Kosten-Effektivität erlauben.

Ziel der Fördermaßnahme „Translationsprojekte für die Personalisierte Medizin“ ist, die Translation personalisierter Behandlungsansätze in der Entwicklungskette einen signifikanten Schritt hin zu ihrer klinischen Anwendung bzw. zur Entwicklung neuer Produkte und Verfahren voranzubringen.

Teilprojekte

Prospektive klinische Studie und Molekulare Biomarker

Förderkennzeichen: 01EK2203A
Gesamte Fördersumme: 3.954.064 EUR
Förderzeitraum: 2022 - 2025
Projektleitung: Prof. Dr. Claus Vogelmeier
Adresse: Philipps-Universität Marburg, FB 20 Medizin und Universitätsklinikum, Klinik für Innere Medizin, Pneumologie
Baldingerstr. 1
35043 Marburg

Prospektive klinische Studie und Molekulare Biomarker

In dem Vorhaben der Philipps-Universität Marburg wird eine prospektive, randomisierte, kontrollierte Studie durchgeführt, um den zusätzlichen Nutzen eines klinischen Entscheidungsunterstützungssystem (Clinical Decision Support Systems, CDSS) auf der Grundlage von bildgebenden Biomarkern und klinischen Parametern bei COPD im Vergleich zur üblichen Versorgung zu bewerten. Des Weiteren sollen neuartige pathophysiologisch relevante Biomarker, die in die klinische Studie eingehen, auf der Grundlage des individuellen genetischen Risikos für Lungenkrankheiten und Komorbiditäten, Vollblut-Transkriptomik, extrazelluläre Vesikel-Oberflächenproteomik und Sputum-Mikrobiom aus vorhandenen Bioproben der COSYCONET-Kohorte identifiziert und mittels Techniken des maschinellen Lernens validiert werden.

Klinische Imaging Biomarker

Förderkennzeichen: 01EK2203B
Gesamte Fördersumme: 548.450 EUR
Förderzeitraum: 2022 - 2025
Projektleitung: Prof. Dr. Hans-Ulrich Kauczor
Adresse: Universität Heidelberg, Medizinische Fakultät und Universitätsklinikum Heidelberg, Radiologische Klinik, Diagnostische und Interventionelle Radiologie
Im Neuenheimer Feld 110
69120 Heidelberg

Klinische Imaging Biomarker

Das Ziel des Vorhabens der Universität Heidelberg ist der Aufbau und die Bereitstellung zentraler Infrastruktur für die quantitative Bildanalyse (Imaging Core); die Synchronisierung und kontinuierliche Qualitätssicherung der Computertomographie (CT)-Untersuchung an allen Zentren und die zeitnahe Auswertung von CT-Bilddaten von fünf Zentren sowie die Übermittlung der Imaging Biomarker an das klinische Entscheidungsunterstützungssystem (Clinical Desicion Support System, CDSS).

Gesundheitsökonomische Begleitforschung

Förderkennzeichen: 01EK2203C
Gesamte Fördersumme: 274.634 EUR
Förderzeitraum: 2022 - 2025
Projektleitung: Prof. Dr. Rolf Holle
Adresse: Ludwig-Maximilians-Universität München, Medizinische Fakultät, Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie
Marchioninistr. 15
81377 München

Gesundheitsökonomische Begleitforschung

Das Ziel des Vorhabens der LMU München besteht in der gesundheitsökonomischen Evaluation der neuen personalisierten Strategie im speziellen und der Weiterentwicklung der hierzu verwendeten Methoden im Allgemeinen. Im Rahmen einer Kostenabschätzung der eingesetzten Technologien und ihrer Einbettung in einen Versorgungsprozess werden mögliche Kostentreiber identifiziert und Varianten der Implementation im Hinblick auf Kosten verglichen. Die gesundheitsökonomische Evaluation im Rahmen des randomisierten Vergleichs von personalisierter Strategie und Standardbehandlung soll eine Abschätzung der kurz- und mittelfristigen Kosten-Effektivität erlauben. Für eine langfristige Kosten-Nutzen-Analyse personalisierter Behandlungsstrategien der COPD unter Routinebedingungen werden modellbasierte Analysen durchgeführt.

Klinisches Entscheidungsunterstützungssystem (CDSS)

Förderkennzeichen: 01EK2203D
Gesamte Fördersumme: 290.500 EUR
Förderzeitraum: 2022 - 2025
Projektleitung: Dr. Dieter Maier
Adresse: BIOMAX Informatics AG
Robert-Koch-Str. 2
82152 Planegg

Klinisches Entscheidungsunterstützungssystem (CDSS)

Das Ziel des Vorhabens der Biomax Informatics AG ist, ein klinisches Entscheidungsunterstützungssystem (CDSS) zur Diagnose und Behandlung/Vorsorge bei COPD-Patienten aufzubauen. Inititial über das im Rahmen des EraCoSysMed Projektes SysMed-COPD validierte KI-Modell, dann erweitert um im Projekt entwickelte Module, die bildbasierte und molekulare Marker nutzen. Im Rahmen der prospektiven klinischen Studie soll insbesondere die Integration mit bestehenden Klinischen Informationssystemen (KIS), die Bereitstellung einer graphischen Benutzeroberfläche (GUI) und die Integration des bestehenden KI-Modells erfolgen. Zudem muss eine regulatorisch akzeptable Methodik kontinuierlichen Lernens etabliert werden. Des Weiteren soll die Validität, Benutzerfreundlichkeit, Akzeptanz, Risikoprofil und Patientennutzen der Software zur klinischen Entscheidungsunterstützung ermittelt werden.