Aktuelle Projekte
Das MeDIC Köln ist an vielen verschiedenen Projekten beteiligt. Hier finden Sie eine Auswahl von Projekten, die zurzeit am MeDIC Köln umgesetzt werden.
HiGHmed ist eins von vier initial geförderten Konsortien der Medizininformatik Initiative (MI-I). Innerhalb von HiGHmed sollen an jedem teilnehmenden Standort Medizinische Datenintegrationszentren (MeDICs) geschaffen werden, die auf einer generischen und skalierbaren Referenzarchitektur für die Integration von Daten aus Versorgung, Forschung und externen Quellen basieren und die Entwicklung neuer Lösungen für die medizinische Datenanalytik zum Nutzen von Klinikern, Patienten und Forschern erleichtern.
Die langfristige Vision für HiGHmed ist die Entwicklung einer gemeinsamen Technologieplattform über alle Universitätskliniken und Forschungseinheiten hinweg, die datenbasierte Wissensbildung und Entscheidungsprozesse in der patientenzentrierten Diagnostik, Behandlung und Pflege schnell unterstützt und fördert. Das Konzept soll anhand von drei prototypischen Anwendungsfällen entwickelt und mittel- bis langfristig auf weitere klinische Partner ausgerollt werden. HiGHmed wird eine gemeinsame einrichtungsübergreifende Referenzarchitektur entwickeln, die auf relevanten bestehenden Standards wie openEHR und FHIR basiert. Dies beinhaltet die Etablierung dieser Standards und die Einigung auf eine gemeinsame Semantik für eine praktische Umsetzung. Die Referenzarchitektur wird skalierbar und offen sein für die Aufnahme weiterer Partnerkrankenhäuser. Das HiGHmed Technologiekonzept baut auf drei medizinischen Anwendungsfällen auf, die die Anforderungsanalyse und Validierung unterstützen sollen. Dies beinhalten die Anwendungsfälle, Onkologie, Kardiologie und Infektionskontrolle. Aufgrund der starken Krebsforschung am Standort Köln, setzten wir lokal den Anwendungsfall Onkologie um.
Der Anwendungsfall Onkologie adressiert die Herausforderungen bei der Einbindung großer Datenmengen aus der Genomsequenzierung und Radiologie in die klinische Praxis. Im Rahmen des Anwendungsfall Onkologie in HiGHmed wird den Verlauf einer Krebsbehandlung visualisiert werden und eine Plattform etabliert, die einen schnellen Informationsaustausch zwischen Krankenhäusern, Forschungsinstituten, Klinikern und Patienten ermöglicht. In HiGHmed werden ähnliche Krebsfälle standortübergreifend identifiziert werden und so eine maßgeschneiderte, patientenzentrierte Versorgung ermöglichen.
Im Rahmen des Anwendungsfall Onkologie in HiGHmed wird ein digitales, standortübergreifendes molekulares Tumorboard etabliert. Ein Tumorboard ist ein Gremium von Expertinnen und Experten aus verschiedenen klinischen Fachrichtungen, das onkologische Patientenfälle bespricht und eine gemeinsame Behandlungsempfehlung gibt. Während ein Tumorbord traditionell nur Experten aus einem Krankhaus umfasst, besteht ein besonderes Potential darin, einzelne Fälle auch standortübergreifend zu besprechen und damit besondere Expertise, die nur in wenigen Kliniken vorhanden ist, breit zu nutzen. Darüber hinaus kann ggf. die Behandlung im Rahmen einer klinischen Studie an einem der teilnehmenden Partnerstandorte aufgezeigt werden. Die Etablierung des standortübergreifenden molekularen Tumorboards wird gemeinsam mit dem Centrum für Integrierte Onkologie (CIO) Köln durchgeführt.
Das Netzwerk Universitätsmedizin (NUM), ein Zusammenschluss aller 36 Universitätskliniken bundesweit, wird vom Bundesministerium für Bildung und Forschung (BMBF) unterstützt und von der Charité Universitätsmedizin Berlin koordiniert.
In dem Verbund werden die Aktivitäten der deutschen Universitätsmedizin zur Bewältigung der aktuellen Pandemie-Krise gebündelt und Studien Hand-in-Hand erarbeitet. Das Netzwerk hat zum Ziel, die Daten, Erkenntnisse, Maßnahmenpläne, Diagnostik- und Behandlungsstrategien aller deutschen Universitätskliniken zusammenzuführen und auszuwerten. Durch diese Bündelung der Kompetenzen und Ressourcen sollen Strukturen und Prozesse geschaffen werden, die eine möglichst optimale Versorgung der COVID-19-Erkrankten sicherstellen. NUM hat zum Ziel, dass Universitätskliniken und weitere Krankenhäuser schnell und mit hoher Qualität in der momentanen Pandemie agieren können und auf zukünftige, ähnliche Situationen, vorbereitet sind.
Das MeDIC Köln ist an zwei federführenden NUM Projekten beteiligt, CODEX (COVID-19 Data Exchange Platform) und B-FAST (Bundesweites Forschungsnetz Angewandte Surveilance und Testung). Weitere Informationen, können der entsprechenden Website des Nationalen Forschungsnetzwerks der Universitätsmedizin (NUM) entnommen werden.
Das NUM-DIZ-Projekt setzt auf den Vorarbeiten der Medizininformatik-Initiative (MII) auf, innerhalb derer an den meisten deutschen Universitätskliniken Datenintegrationszentren (DIZ) etabliert wurden, mit dem Ziel, die Datenbereitstellung sowie die standortübergreifende Datenintegration und -analyse zu unterstützen. Im Rahmen des NUM-DIZ-Projekts bauen die bereits etablierten DIZ ihr Service-Portfolio kontinuierlich aus und erschließen neue Datenquellen.
Die an den DIZ der NUM-DIZ-Partner etablierten Infrastrukturkomponenten, Datenbestände und Datennutzungsregularien dienen dazu, im Zusammenspiel mit zentralen Komponenten aus NUM-RDP, dem deutschen Forschungsdatenportal für Gesundheit und weiteren in der MII entwickelten zentralen Komponenten, deutschlandweite Datennutzungsprojekte mit der (potentiellen) Datenbasis in der klinischen Versorgung erhobener Patientendaten von mittlerweile 38 NUM-DIZ-Partnern zu ermöglichen und damit wichtige Beiträge zum medizinischen Erkenntnisgewinn zu leisten. NUM-DIZ wird nationale Ressource bereitstellen, in der qualitativ hochwertige Gesundheitsdaten, Patientenpartnerschaften und Forschungsexpertise schnell vertrauenswürdige Antworten liefern, die die Gesundheitsversorgung verbessern können.
Lokal wird sich das DIZ zu einem umfassenden Forschungsinfrastrukturdienstleister entwickeln, der eine Vielzahl medizinischer Forschungsszenarien für die Forschung am Standort, insbesondere aber für die vernetzte Forschung über Standorte hinweg unterstützt. Jeder NUM-DIZ-Partner baut dazu eine effiziente technische, personelle und organisatorische Infrastruktur auf. Dadurch stehen flächendeckend an allen deutschen Universitätsklinika Infrastrukturen bereit, die eine vernetzte Forschung mit Gesundheitsdaten ermöglichen.
Weitere Informationen: https://www.netzwerk-universitaetsmedizin.de/projekte/num-diz
Der Verbund SU-TermServ zielt auf die Weiterentwicklung und Erforschung eines zentralen Terminologie-Servers und ergänzender IT-Lösungen ab. Damit soll ein wichtiger Baustein für den erweiterten Datenaustausch und die gemeinsame Nachnutzung von gesundheitsrelevanten Daten über Institutions- und Konsortialgrenzen (weiter-)entwickelt, getestet und etabliert werden. Die ausgebauten Strukturen sollen als Serviceeinheit für die medizinische Forschung genutzt und die Patientenversorgung und das Qualitätsmanagement verbessert werden.
Weitere Informationen: https://mii-termserv.de/
NFDI4Health – die Nationale Forschungsdateninfrastruktur für personenbezogene Gesundheitsdaten – fokussiert sich auf Daten, die in klinischen, epidemiologischen und Public Health-Studien generiert werden. Die Erhebung und Analyse dieser Daten zu Gesundheits- sowie Krankheitsstatus und wichtiger Einflussfaktoren darauf sind eine wesentliche Komponente zur Entwicklung neuer Therapien, übergreifender Versorgungsansätze und präventiver Maßnahmen eines modernen Gesundheitswesens.
Weitere Informationen: https://www.nfdi4health.de/
Das Projekt FAIR4Rare wird vom Innovationsausschuss beim Gemeinsamen Bundesausschuss (G-BA) gefördert und hat das Ziel den Aufbau eines Nationalen Registers für Seltene Erkrankungen (NARSE) begleitend zu evaluieren. Das Register dient dazu, langfristig viele Betroffene zu erfassen, um so die gesundheitlichen Auswirkungen und die Versorgungstrukturen dieser Erkrankungen in Deutschland zu ermitteln.
Weitere Informationen: https://www.narse.de
Das RESTORE VISION-Konsortium wird im Rahmen des Horizon-Health-Programms durch die Europäische Union gefördert. Ziel dieses Konsortiums ist es, neue Therapiemöglichkeiten für sieben seltene Erkrankungen der Augenoberfläche durch die Entwicklung neuer Medikamente oder das Repurposing bereits vorhandener Medikamente zu etablieren. RESTORE VISION bringt dafür Akteure aus sechs führenden Forschungseinrichtungen, drei Industriepartnern und einer europäische Patientenorganisation zusammen.
Weitere Informationen: https://restorevision-project.eu
Patientinnen und Patienten mit einer Mutation im GNAO1-Gen leiden unter einem breiten Spektrum neurologischer Störungen, wie früh einsetzende Bewegungsstörungen, Epilepsie, Entwicklungsverzögerungen und geistige Behinderungen. GNAO1 assoziierte Erkrankungen treten äußerst selten auf und das volle Ausmaß der Krankheit und deren Verlauf ist größtenteils unbekannt. Im Rahmen des GNAO1-EU Projektes wird eine umfassende prospektive Studie durchgeführt, um den natürlichen Verlauf der Störung zu untersuchen. Zudem ist das Ziel, Faktoren zu ermitteln, die den Krankheitsverlauf beeinflussen können, Neuroinflammation als potenzieller Krankheitsmechanismus zu erforschen und potentielle Biomarker für die Erkrankung zu identifizieren.
Weitere Informationen: https://www.ejprarediseases.org/gnao1-eu/
Der Sonderforschungsbereich 1607 „Immunmodulierende und anti(lymph)angiogene Therapien bei altersbezogenen erblindenden Augenerkrankungen“ wird von der Deutschen Forschungsgemeinschaft gefördert. Ziel ist es, zu erforschen wodurch im Alter auftretende Augenkrankheiten entstehen und neue therapeutische Konzepte zu entwickeln. Ein besonderer Fokus liegt hier auf irregulären zellulären Immunpathologien und der pathologischen Regulierung der (Lymph)angiogenese.
Weitere Informationen: https://www.crc1607.de
Aus medizinischer Sicht sind die nosokomialen Infektionen, also im Kontext einer medizinischen Maßnahme erworbene Infektionen, eine der größten zunehmenden medizinischen Belastungen weltweit. In Deutschland stehen diese Infektionen mit schätzungsweise 16.000 Todesfällen pro Jahr in Verbindung. Zur Eindämmung nosokomialer Infektionen ist daher ein multidisziplinärer Ansatz der Infektionsprävention erforderlich. Surveillance, die standardisierte Infektionsdokumentation und Analyse, Interpretation und Einleitung gezielter Interventionsmaßnahmen sowie Überprüfung stellt dabei eine der Schlüsselkomponenten der Prävention in den einzelnen Krankenhäusern dar.
Die derzeitigen Maßnahmen zur Surveillance und Prävention nosokomialer Infektionen sind jedoch sehr zeit- und personalintensiv und eher universell als individuell oder gruppenspezifisch risikoadaptiert. Es ist daher innovativ, die bestmögliche Kombination aus Reduktion des Infektionsrisikos und optimaler Verteilung der fachlichen Ressourcen zu finden.
Zusammenfassend befasst sich RISK PRINCIPE mit dem Ziel der Entwicklung und Validierung einer automatisierten Datenerfassung zu Surveillancezwecken und einer routinedatenbasierten Risikovorhersage am Beispiel der Blutstrominfektionen mit anschließender Visualisierung für eine effektivere und effizientere Infektionsprävention und -kontrolle.
Weitere Informationen: https://www.medizininformatik-initiative.de/de/risk-principe-risikovorhersage-zu-spezifischer-infektionspraevention-und-kontrolle
Personalisierte Medizin soll im Bereich der Krebsbehandlung dazu beitragen, zielgerichtete Behandlungen auffindbar zu machen für Menschen, die von seltenen und/oder schwer behandelbaren Krebserkrankungen betroffen sind. Zu diesem Zweck benötigen die Forscherinnen und Forscher eine möglichst hohe Datenmenge, auf deren Grundlage eine Aussage zur individuellen Therapie getroffen werden kann. Diese Daten liegen in Deutschland an unterschiedlichen Stellen, in unterschiedlicher Form und aus unterschiedlichen Quellen vor. Die zunehmende Digitalisierung bietet nun die Chance, all diese Daten unterschiedlichster Herkunft auf einen Nenner zu bringen, also zu harmonisieren. Mit diesem neu gewonnenen großen Datenschatz sollen bessere, genauere und damit erfolgversprechendere Therapieansätze abgeleitet werden können.
Weitere Informationen: https://www.medizininformatik-initiative.de/de/pm4onco-personalized-medicine-oncology
Die Methodenplattform für „Open Medical Inference“ (OMI) zielt darauf ab, die Nutzung von Anwendungen künstlicher Intelligenz (KI) zu vereinfachen, um zeitaufwendige und sich wiederholende Aufgaben in der Medizin zukünftig mit Methoden der KI durchzuführen. Um die Kliniken hinsichtlich der Pflege, Bereitstellung und des Betriebs von diversen KI-Modellen zu entlasten, etabliert das OMI-Projekt ein Netzwerk aus Nutzern und Anbietern von KI-Modellen, die ihre Modelle als „schlüsselfertige“ Dienste anbieten.
Weitere Informationen: https://www.medizininformatik-initiative.de/de/omi-open-medical-inference
Die Analyse von Gesundheitsdaten spielt eine entscheidende Rolle in der medizinischen Forschung und ermöglicht präzisere Diagnosen, effektivere Behandlungen und eine zukunftsorientierte Versorgung. Angesichts der Sensibilität solcher Daten ist jedoch ein sorgsamer Umgang unabdingbar, um sowohl gesetzliche Vorgaben als auch den Schutz der Privatsphäre der Patientinnen und Patienten zu gewährleisten. Besonders deutlich wird diese Herausforderung im Kontext des Trainings von Modellen der Künstlichen Intelligenz (KI), wo umfangreiche Datensätze zur Gewinnung verlässlicher Ergebnisse notwendig sind. Die Methodenplattform PrivateAIM (Privacy-preserving Analytics in Medicine) setzt genau an dieser Schnittstelle an und versucht, einen ausgewogenen Weg zwischen Datenschutz und Datennutzung zu ebnen.
Weitere Informationen: https://www.medizininformatik-initiative.de/de/privateaim-sichere-verteilte-auswertung-medizinischer-daten
In den letzten Jahren hat die datengesteuerte Medizin in Bezug auf Diagnose, Behandlung und Forschung aufgrund des exponentiellen Wachstums von Gesundheitsdaten zunehmend an Bedeutung gewonnen. Die Verknüpfung von Gesundheitsdaten aus verschiedenen Quellen, einschließlich der Genomik, und die Analyse mittels innovativer Ansätze auf der Grundlage künstlicher Intelligenz (KI) werden ein besseres Verständnis von Risikofaktoren und Ursachen sowie die Entwicklung einer optimalen Behandlung in verschiedenen Krankheitsbereichen ermöglichen. Die Wiederverwendung von Patientendaten ist jedoch häufig auf Datensätze beschränkt, die in einem einzigen medizinischen Zentrum verfügbar sind.
Im Rahmen des internationalen BETTER EU Projektes werden sensible Patientendaten, einschließlich genomischer Daten, in einem GDPR-konformen Mechanismus über ein verteiltes Analyseparadigma (Distributed Analytics, DA) namens Personal Health Train (PHT) zur Verfügung gestellt und analysiert. Das Hauptprinzip des PHT besteht darin, dass die Analyseaufgabe zum Datenlieferanten (medizinisches Zentrum) gebracht wird und die Dateninstanzen an ihrem ursprünglichen Ort verbleiben.
In diesem Projekt werden zwei ausgereifte Implementierungen des PHT (PADME und Vantage6), die bereits in realen Szenarien validiert wurden, miteinander verschmolzen, um die BETTER-Plattform aufzubauen.
Weitere Informationen: https://www.better-health-project.eu
Wenn es zu einem Eiweißverlust über den Urin und zu Wassereinlagerungen (Ödeme) im Körper kommt, besteht der Verdacht, dass eine Erkrankung des Nierenfilters vorliegt. Man fasst diese Krankheitszeichen als nephrotisches Syndrom zusammen. Oft verbirgt sich dahinter eine sogenannte Erkrankung der glomerulären Minimalläsionen (MCD) oder eine fokale und segmentale Glomerulosklerose (FSGS), bei denen es zu krankhaften Veränderungen und letztendlich auch Verlust der sogenannten Fußfortsatzzellen (Podozyten) des Nierenfilters kommt. Dies führt dazu, dass der Nierenfilter für Eiweiße und andere lebensnotwendige Blutbestandteile durchlässig wird.
In manchen Fällen kommt es darüber hinaus zu einer fortschreitenden Nierenfunktionsstörung, die in einigen Fällen zu Nierenversagen und Dialysepflichtigkeit führen kann. Da es sich auf die Gesamtbevölkerung gesehen um seltene Erkrankungen handelt, gestaltet sich die Durchführung von klinischen Studien zur Suche nach neuen Therapiemöglichkeiten schwierig.
Die Forschungsinitiative KFO 329 der Klinik für Innere Medizin II und der Kinderklinik der Uniklinik Köln hat es sich daher zum Ziel gemacht hat, die Entstehung und Verlauf dieser Erkrankungen besser zu verstehen und neue Therapieansätze zu entwickeln. Dazu wurde das ForMe Register aufgesetzt, welches den Krankheitsverlauf von Patienten mit MCD oder FSGS aufzeichnen und Materialien wie Blut und Urin sammeln und für die Forschung bereitstellen soll.
Weitere Informationen: https://forme-register.de/
Das Hauptziel von RACOON-COMBINE ist die Entwicklung und Umsetzung einer Pipeline für die Extraktion COVID-spezifischer, prädiktiver und prognostischer quantitativer Bildgebungs-Biomarker (C-QIBs), um eine umfassende Phänotypisierung nicht nur der Erkrankung, sondern auch des Erkrankten, also seines körperlichen Zustands und seiner Begleiterkrankungen zu ermöglichen. Die prädiktiven und prognostischen Informationen, die die C-QIBs liefern, werden nicht nur die Behandlung der Patientinnen und Patienten verbessern (d.h. individualisieren), sondern auch unser Verständnis der verschiedenen COVID-19-Krankheitsmuster sowie den krankheitsspezifischen Organ-Crosstalk verbessern.
Dieses Projekt wird der erste Use Case der RACOON-Infrastruktur sein und demselben integrativen, partizipativen und synergetischen Konzept folgen, das für RACOON charakteristisch ist. RACOON-COMBINE wird somit alle 38 NUM-Partnerstandorte vereinen und auf der etablierten RACOON-Infrastruktur aufbauen. RACOON-COMBINE baut auf der bisherigen Arbeit von RACOON auf und sieht zunächst vor, den aktuellen Bestand an verfügbaren Bilddaten aller Partnerstandorte zu erweitern. Wir werden darüber hinaus zusätzliche Thorax-Bilddatensätze einschließen, die seit der ersten COVID-19-Infektionswelle gewonnen wurden. Daneben werden als Neuerung gegenüber RACOON pädiatrische Bildgebung, Neurobildgebung und kardiovaskuläre Bildgebung mit eingeschlossen. Auf dieser erweiterten Datenbasis werden bildgebende Biomarker (IB) ausgewählt, die a) für die Einstufung der individuellen COVID-19-Krankheitslast (Spektrum und Schweregrad des Organbefalls) wesentlich sind und b) die vorbestehende metabolische, kardiovaskuläre und pulmonale Gesundheit des einzelnen Patienten widerspiegeln. Schließlich werden wir COVID-spezifische Bildgebungsmerkmale bezüglich ihres prädiktiven Werts für das Outcome der Patientinnen und Patienten untersuchen. Wir werden statistische und maschinelle Modelle für die individuelle Krankheitsvorhersage und -prognose trainieren. In der letzten Projektphase werden standardisierte Arbeitsabläufe für die automatische und manuelle Extraktion relevanter C-QIBs auf allen RACOON-Knotenpunkten ausgerollt.
Weitere Informationen: https://racoon.network/?page_id=4633
Abgeschlossene Projekte
FDPG Link: https://forschen-fuer-gesundheit.de/fdpgx-project/cord-cf/
Das Universitätsklinikum Köln ist an Konsortium übergreifenden Anwendungsfall CORD MI (Collaboration on Rare Diseases) innerhalb Medizininformatik Initiative (MI-I) beteiligt. In Deutschland leiden etwa 4 Millionen Menschen an einer "seltenen Krankheit". Seltene Erkrankungen sind durch ihre Prävalenz definiert, die 5 von 10.000 Menschen nicht übersteigt, und derzeit sind etwa 8000 seltene Erkrankungen bekannt. Sie bilden eine sehr heterogene Gruppe von Krankheiten, die die Lebenserwartung und Lebensqualität der betroffenen Patienten stark einschränken können. Den Patienten fehlt es oft an angemessener Unterstützung und Behandlung, da es nur wenige, geografisch verstreute medizinische Experten gibt und nicht genügend Wissen vorhanden ist.
Um das Bewusstsein für seltene Erkrankungen zu verbessern, wurden in Deutschland 34 Medizinische Zentren für Seltene Erkrankungen (ZESE) eingerichtet. Die Hauptaufgabe dieser Zentren ist es, den Gesundheitszustand der Patienten durch gezielte Diagnostik, langfristige klinische Betreuung und Behandlung zu verbessern und die kooperative klinische und Grundlagenforschung sowie die Aus- und Weiterbildung zu fördern.
In CORD-MI arbeitet die Medizininformatik-Initiative mit ZESE (Zentrum für Seltene Erkrankungen), ACHSE (Allianz Chronischer Seltener Erkrankungen) und NAMSE (Nationalen Aktionsbündnisses für Menschen mit Seltenen Erkrankungen), den Wissenstransfer zwischen den medizinischen Zentren zu erleichtern und eine konzertierte Aktion auf nationaler Ebene zu gewährleisten, um eine adäquate Behandlung und Pflege für jeden Patienten zu garantieren. Prof. Andreas Beyer und Prof. Jörg Dötsch (Direktor des ZESE, Universitätsklinikum Köln) sind die Leiter des CORD-MI-Projekts am Standort in Köln. Das CORD-MI Projekt baut auf den Strukturen des MeDICs auf, um einen Wissenstransfer zwischen den verschiedenen medizinischen Zentren zu gewährleisten.
Das Netzwerk Universitätsmedizin (NUM) baut mit der Forschungsdatenplattform CODEX eine sichere, erweiterbare und interoperable Plattform zur Bereitstellung von Forschungsdaten zu COVID-19 auf, welche die Universitätskliniken bundesweit verbindet. Diese datenschutzkonforme Infrastruktur wird in der Lage sein, komplexe COVID-19-Forschungsdatensätze, darunter klinische Daten, Bilddaten und Daten zu Bioproben, multizentrisch, patientenbezogen und pseudonymisiert abzubilden und der Forschung zur Verfügung zu stellen. Das MeDIC schafft den organisatorischen und technischen Rahmen für die Bereitstellung von Daten aus den klinischen Primärsystemen und bietet auch den technischen Rahmen für die Integration neuer Softwarekomponenten und Prozesse am Universitätsklinikum Köln.
Das Ziel ist es übertragbare Surveillance- und Teststrategie zu entwickeln und in unterschiedlichen Anwendungsbereichen zu erproben. Neben Stichproben aus der Bevölkerung gehen Daten aus Risikobereichen, wie Krankenhäusern, Seniorenheimen, Schulen und Kindertagesstätten sowie Kultur- und Sportstätten, in die Untersuchung mit ein. B-FAST hat das primäre Ziel, eine nachhaltig einsetzbare, skalierbare und auf zukünftige Pandemien
Das MeDIC ist für die Implementierung der zentralen Komponente SmICS (Smarte Infektionskontrolle und Surveillance) am Universitätsklinikum Köln zuständig.
FDPG Link: https://forschen-fuer-gesundheit.de/fdpgx-project/vhf-mi-dezentral/
Es ist manchmal schwierig und langwierig Vorhofflimmern, eine meist chronische Herzrhythmusstörung, bei Patienten und Patientinnen zuverlässig zu diagnostizieren. In der Regel nutzt man dafür ein Langzeit-EKG (Elektrokardiogramm), also eine Messung der Herzströme. Im vorliegenden Projekt NT-proBNP als Marker bei Vorhofflimmern soll nun festgestellt werden, ob man zusätzlich zum EKG auch die Messung des Biomarkers NT-proBNP als Anhaltspunkt für eine zuverlässige Diagnose nutzen kann. Dafür wird der Zusammenhang zwischen Vorhofflimmern und dem Auftreten des Biomarkers NT-proBNP an allen teilnehmenden Unikliniken analysiert.
Training und Schulungen der MI-I
In der MII-Academy lernen Forscherinnen und Forscher, wie sie die zur Verfügung stehenden Versorgungsdaten für ihre Forschungsfragen beantragen, erhalten und auswerten können. Dabei werden auf der Online-Lernplattform sowohl organisatorische als auch methodische Aspekte behandelt.
Die Online-Tutorials richten sich an Ärztinnen und Ärzte sowie klinisch Forschende, die ein eigenes Datennutzungsprojekt in Zusammenarbeit mit einem Datenintegrationszentrum (DIZ) planen oder bereits begonnen haben.
Die MII-Academy wurde während der ersten Förderperiode (2018 – 2022) im SMITH-Konsortium entwickelt. Basierend auf diesen Erfahrungen ist die Lernplattform modular aufgebaut, wobei die Reihenfolge und Wiederholung der Bearbeitung beliebig festgelegt werden kann.
Weitere Informationen: https://www.medizininformatik-initiative.de/de/konsortien/mii-academy
Im Rahmen von HiGHmed werden innovative E-Learning-Module von exzellenten akademischen Partnern entwickelt. Dazu bündelt HiGHmeducation herausragende Kompetenzen in der Lehre und Ausbildung der Medizinischen Informatik.
Auf der Grundlage eines gemeinsamen Lehrkonzepts entwickeln wir innovative E-Learning-Module, die das breite Spektrum der Medizinischen Informatik abdecken. Mit Modulen, die sowohl einführende als auch fortgeschrittene Inhalte abdecken, stellen wir sicher, dass HiGHmeducation für Teilnehmende mit unterschiedlichen Vorkenntnissen und Interessen attraktiv ist.
Weitere Informationen: https://education.highmed.org/de/highmeducation-module