Ziele

Mit statistischen Methoden und Machine Learning–Ansätzen sollen multidimensionale Modelle entwickelt werden, um das Risiko für wichtige klinische Endpunkte vorherzusagen.

In den Datenintegrationszentren (DIZ) der Medizininformatik-Initiative (MII) sollen Versorgungsdaten datenschutzgerecht für die medizinische Forschung bereitgestellt werden.

In Modul 3 der MII werden acht klinische Use Cases und drei Methodenplattformen gefördert – so auch CALM-QE!

In den klinischen Use Cases (z.B. CALM-QE) sollen durch medizinisch relevante Anwendungsfälle der Mehrwert einer gemeinsamen Nutzung von gesundheitsrelevanten Daten über die Grenzen der Konsortien hinaus in Forschung und Versorgung erprobt werden.

Ziel des Projekts CALM-QE ist es, Daten aus der Krankheitsversorgung für die Forschung nutzbar zu machen.

Die Pandemie, ausgelöst durch den Erreger SARS-CoV 2, hat gezeigt, wie wichtig es ist, zeitnah ein umfassendes Bild über das Ausmaß, die Schwere, die Therapieerfolge (oder -misserfolge), den Einfluss von Präventivmaßnahmen einschließlich der Impfung und den damit verbundenen Nebenwirkungen zu erhalten.

Dieses Wissen schafft die Grundlage für richtige, ausgewogene, informierte Entscheidungen.

Asthma und COPD sind die häufigsten, chronischen Erkrankungen der Lunge. „Jede Patientin und jeder Patient ist anders und auch von seinem Krankheitsbild her besonders“, denn unter beiden Begriffen subsummieren sich vielschichtige Erkrankungsbilder mit verschiedenen Phänotypen sowie zugrundeliegenden Pathologien, die Unterschiede im Ansprechen auf bestimmte Medikamente und Therapien sowie im Langzeit-Krankheitsverlauf zeigen.

Das Besondere an diesem Projekt: es werden Daten aus der Krankenversorgung verwendet, so genannte „Real-World“-Daten, mit denen es möglich ist, die Versorgungsrealität abzubilden. Durch die Betrachtung eines großen Patientenkollektivs, die Generierung von Patientendaten aus verschiedenen Versorgungsstrukturen – von stationärer Versorgung über Versorgungsdaten aus Ambulanzen der Universitätskliniken bis hin zu Daten aus der Patientenversorgung in der ambulanten Praxis – sowie die Sammlung kontinuierlicher Daten über Wearables wird es möglich, ein umfangreiches, möglichst realitätsnahes Bild zu schaffen. Entsprechend umfangreiche Datensätze sind notwendig, um aufgrund der Vielfalt an Einflussfaktoren und Phänotypen Krankheitsverläufe abzubilden, Muster hervorheben zu können und mit Hilfe von statistischen Methoden sowie Techniken des Machine Learning multidimensionale Modelle zu entwickeln, die eine individuelle Risikostratifizierung zur Therapieunterstützung zu ermöglichen.

Und schließlich: der Umfang der betrachteten Einflussfaktoren und Parameter ist sehr groß: neben Patientendaten über die Krankheit, Verlauf, Therapie fließen auch Daten aus der Umwelt ein (Luftverschmutzung, Klima) sowie zusätzlich, in einer kleineren Anzahl an Patienten, Echtzeit-Daten wie Sauerstoffsättigung, Pulsfrequenz, erhoben über Smart-Watches. Individualisierte, personalisierte Medizin ist ein wichtiger Baustein für die aktive Partizipation des(r) Patienten*in. Diese Partizipation sollte schon in der Forschung beginnen. CALM-QE schließt ausdrücklich Patienten*innen als Partner ein. Vertreter von Patientenorganisationen werden die Sichtweise und Prioritäten der Patienten*innen in das Projekt einbringen.

WICHTIG ZU WISSEN: CALM-QE vereint die Expertise von Erwachsenen- und Kinder-Pneumologen, Expertinnen und Experten im Bereich der chronischen Inflammation, der Statistik und Modellierung, der künstlichen Intelligenz und der Patientinnen und Patienten als Expertinnen und Expertenüber das wortwörtliche Erleben der Krankheit.

Ziel ist es, durch ein genaueres Bild auf die einzelnen Patientinnen und Patienten über eine passgenauere Therapie, eine bessere Identifikation individueller Risikofaktoren und entsprechende Gegenmaßnahmen zu einer besseren Kontrolle der Krankheit sowie Langzeitprognose und letztendlich zu einer verbesserten Lebensqualität beizutragen.