Personalisierte Medizin: Effektiv durch KI in der Transplantationsmedizin – Neue Vorhersagemodelle

Ein Großteil der Patienten mit Leukämie oder Lymphom stirbt bisher leider trotz Transplantation, oft durch spontan auftretende Infektionen, Transplantat-gegen-Empfänger-Reaktion und Rezidive. Neuartige Vorhersagemodelle für den individuellen Krankheitsverlauf, wie sie im Forschungsprojekt XplOit entwickelt werden, prognostizieren Auftreten und Ausmaß der genannten Risiken und ermöglichen Transplantationsmedizinern so eine frühzeitige, lebenserhaltende Intervention bei gefürchteten Komplikationen.

Die neue Datenintegrations-, Modellentwicklungs- und Validierungsplattform XplOit, die ein Projektverbund unter der Federführung des Fraunhofer-Instituts für Biomedizinische Technik (IBMT) bereitstellt, erleichtert die Entwicklung und Überprüfung dieser Vorhersagemodelle. Die innovative Plattform bereitet Datenbestände so auf, dass sie für die systemmedizinische Forschung nutzbar werden. Durch wirksame prädiktive Modelle für Komplikationen nach Stammzelltransplantation schafft das Verbundprojekt XplOit die Grundlagen für den künftigen Einsatz von Künstlicher Intelligenz in der Transplantationsmedizin. Das XplOit-Konsortium präsentiert seine bisherigen Projektergebnisse am 25. März auf dem 45th Annual Meeting of the European Society for Blood and Marrow Transplantation in Frankfurt. Erste prädiktive KI-Modelle für die allogene Stammzelltherapie liefern tragfähige Ergebnisse und werden auf einem Workshop zusammen mit der XplOit-Plattform vorgestellt.

Neue und wirksame Vorhersagemodelle

Die XplOit-Plattform wurde in den letzten drei Jahren für die Entwicklung und Validierung von Vorhersagemodellen zur Verbesserung der Behandlung nach Stammzelltransplantation zugeschnitten. Die Transplantation blutbildender Stammzellen von Spendern wird beispielsweise zur Therapie verschiedener Formen der Leukämie eingesetzt. Krankheitsrückfälle sind gefürchtet. Erste präzise Vorhersagemodelle, die individuell für jeden Patienten mögliche Komplikationen voraussagen, werden 2019 in der XplOit-Plattform verfügbar sein. Damit können lebensbedrohliche Komplikationen schneller erkannt und frühzeitiger als heute behandelt werden, wie zum Beispiel die gefürchtete Transplantat-gegen-Wirt-Reaktion. Projektkoordinator Stephan Kiefer erklärt: “Die umfangreiche Analyse von Patientendaten schafft erstmals die Option für die Vorhersage des individuellen Krankheitsverlaufs. Mit den Prototypen der Vorhersagemodelle gehen wir im März in die klinische Validierung und verfeinern unsere Ergebnisse”.

Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Projekt XplOit erleichtert und beschleunigt den aufwändigen Prozess der Bereitstellung und Zusammenführung klinischer Daten, der Modellentwicklung und deren Validierung sowie Verfügbarmachung für die klinische Nutzung. Mit einer neu entwickelten Generation fortschrittlicher, sogenannter semantischer Datenintegrations- und Informationsextraktionswerkzeuge gelingt dies leichter. Prädiktive Modelle können Kliniker bei der Diagnose und Behandlung ihrer Patienten unterstützen. Für die Entwicklung dieser mathematischen Vorhersagemodelle müssen in großem Umfang unterschiedlichste klinische Patientendaten aus den Informationssystemen zusammengetragen, harmonisiert und analysiert werden. Dabei ist im vorliegenden Projekt XplOit der Datenschutz beim Umgang mit persönlichen und sensiblen Patienteninformationen sichergestellt. Die aus der Analyse der Daten gewonnenen komplexen Vorhersagemodelle werden zunächst im weiteren Verlauf des Projekts validiert und auf ihre Vorhersagegenauigkeit hin überprüft, bevor sie in der Praxis erfolgreich eingesetzt werden können.

Partnerschaftliche Forschung für XplOit

Das Verbundvorhaben XplOit wird von einem international erfahrenen, multidisziplinären Team von Experten aus den Bereichen Medizin, Systembiologie, Computerlinguistik sowie Medizin- und Bioinformatik umgesetzt. Es wird vom IBMT koordiniert, das die Federführung bei der Entwicklung der XplOit-Plattform innehat und Kernkomponenten zur Informationsextraktion, -integration und -analyse beiträgt. Das Institut für Formale Ontologien und Medizinische Informationswissenschaft der Universität des Saarlandes ist hauptverantwortlich für das sogenannte Semantische Integrationsframework der Plattform. Die Firma Averbis trägt Werkzeuge zur Informationsextraktion aus klinischen Textdokumenten bei. Informatiker der Klinik für Pädiatrische Onkologie und Hämatologie der Universität des Saarlandes sind zuständig für Datenschutz und entwickeln Pseudonymisierungstools und die Modellierungswerkbank des Systems.

Die Modellentwicklung selbst erfolgt durch die Abteilung Methoden der Medizininformatik der Eberhard-Karls-Universität Tübingen und die Klinische Pharmazie der Universität des Saarlandes. Klinische Expertise und Daten werden durch die Klinik für Knochenmarktransplantation und das Institut für Virologie des Universitätsklinikums Essen sowie durch die Klinik für Innere Medizin I – Onkologie, Hämatologie, Klinische Immunologie, Rheumatologie und das Institut für Virologie der Universität des Saarlandes bereitgestellt. Die klinischen Partner werden ab März 2019 unter Koordination durch das Institut für Virologie der Universität des Saarlandes die mit Hilfe der XplOit-Plattform entwickelten prädiktiven Modelle für die Stammzelltransplantation validieren.