Teilprojekt eines Verbundes

Standort Mainz

Förderkennzeichen: 01KD2104D
Fördersumme: 343.766 EUR
Förderzeitraum: 2022 - 2026
Projektleitung: Univ.-Prof. Wilfried Roth
Adresse: Universitätsmedizin der Johannes Gutenberg-Universität Mainz, Institut für Pathologie
Langenbeckstr. 1
55131 Mainz

Im Rahmen des PEARL Netzwerkes werden international anerkannte Experten für klinische und molekularpathologische Epidemiologie, Gastroenterologie und künstliche Intelligenz zusammenarbeiten, um neue Wege zu beschreiten, Risikofaktoren und Ursachen für Darmkrebserkrankungen im frühen Erwachsenenalter (EOCRC) zu verstehen sowie neuartige Strategien der Primär- und Sekundärprävention dieser Erkrankungen zu entwickeln und zu evaluieren. Das Netzwerk wird mehrere weltweit einzigartige Studien, Datenbanken und Biobanken nutzen, die von den Antragstellern aufgebaut wurden und darüber hinaus eine bundesweite Fall-Kontroll-Studie zu EOCRC initiieren. Zu den bereits bestehenden Studien gehören eine große bevölkerungsbasierte Fall-Kontroll-Studie zu Darmkrebs mit Langzeit-Follow-up von Fällen sowie große Screening-Studien mit mehreren tausend Koloskopie-Teilnehmern, von denen umfassenden Daten und Bioproben vorliegen. Darüber hinaus werden die Netzwerkpartner durch ihre Partizipation in weltweit führenden Konsortien oder Partnerschaften, wie beispielsweise dem GECCO-Konsortium für genetische Epidemiologie von Darmkrebs, der landesweiten schwedischen Datenbank für Krebs innerhalb von Familien (der weltweit größten ihrer Art (einschließlich ihrer Verknüpfung mit andere landesweiten Registern)) und der bundesweiten NAKO Gesundheitsstudie auf einzigartige Ressourcen zurückgreifen können. Durch seinen multidisziplinären Ansatz strebt das Netzwerk einen konsequent translationalen Ansatz an, der den gesamten Weg von der Ursachenforschung zur angewandten Primär- und Sekundärprävention umfasst. Diese Ziele sollen mithilfe der folgenden drei Teilprojekte erreicht werden: 1) Zentrale Daten- und Biobanken, 2) Molekularpathologische Epidemiologie und künstliche Intelligenz für eine präzisere Charakterisierung von EOCRC, 3) Neue Wege der Prävention von EORC.