Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Psoriasisarthritis (PsA) ist eine komplexe chronisch-entzündliche Erkrankung. Für Diagnose und Therapie müssen zahlreiche Informationen berücksichtigt werden – von klinischen Befunden und Laborwerten über medizinische Bilddaten und Begleiterkrankungen bis hin zum individuellen Krankheitserleben. Welchen Einfluss Geschlecht und Gender auf den Krankheitsverlauf und den Behandlungserfolg haben, ist dabei bislang nicht immer ausreichend sichtbar.
Im Projekt PsA-vINGEST entwickeln die Projektpartner interaktive Software, um unterschiedliche Gesundheitsdaten zusammenzuführen und geschlechtsspezifische Zusammenhänge verständlich darzustellen. Zwei nutzerorientierte Dashboards sollen medizinisches Fachpersonal bei der Analyse und Therapieplanung unterstützen und dem Patienten oder der Patientin einen besseren Einblick in ihren persönlichen Krankheits- und Therapieverlauf ermöglichen.
Geschlechtssensible Präzisionsmedizin bei Psoriasisarthritis
Menschen mit Psoriasisarthritis können sich hinsichtlich ihrer Beschwerden, Begleiterkrankungen, Belastungen und Therapieverläufe deutlich unterscheiden. Für eine stärker personalisierte Behandlung ist es daher wichtig, mögliche geschlechtsspezifische Muster in den vorhandenen Daten systematisch zu untersuchen.
PsA-vINGEST verbindet dafür klinische Parameter, Laboranalysen, Medikation, krankheitsspezifische Scores und medizinische Bilddaten mit sogenannten Patient Reported Outcomes (PRO). Diese bilden unter anderem Schmerzwahrnehmung, Fatigue, Lebensqualität, körperliche Funktion und psychosoziale Belastungen aus Sicht des Patienten oder der Patientin ab.
Die Anforderungen an die Technologie werden gemeinsam mit medizinischem Fachpersonal und Patientinnen und Patienten erarbeitet. So soll eine Lösung entstehen, die wissenschaftliche Erkenntnisse mit den Bedürfnissen der späteren Anwender verbindet und sich sinnvoll in den klinischen Alltag integrieren lässt.
Zwei Dashboards für unterschiedliche Anforderungen
Im Projekt entstehen zwei webbasierte Dashboard-Varianten. Das Dashboard für medizinisches Fachpersonal führt klinische Daten, Bildinformationen und Analyseergebnisse zusammen. Interaktive Visualisierungen sollen es ermöglichen, Patientenkohorten miteinander zu vergleichen, Krankheitsverläufe nachzuvollziehen und geschlechtsspezifische Gemeinsamkeiten oder Unterschiede zu erkennen.
Das Dashboard für den Patienten oder die Patientin konzentriert sich auf eine besonders einfache und möglichst mobile Nutzung. Es soll persönliche Gesundheitsdaten und Therapieverläufe verständlich aufbereiten und damit auch die Kommunikation zwischen Patienten und Behandelnden unterstützen.
Die Rolle des Fraunhofer IGD: Gesundheitsdaten verständlich und nutzbar machen
Das Fraunhofer IGD verantwortet die technisch-wissenschaftliche Entwicklung der interaktiven Visualisierungen und der beiden Dashboards. Dafür bringt es seine langjährige Expertise in der medizinischen Bildverarbeitung, der KI-basierten Datenanalyse, der interaktiven Kohortenanalyse und der Entwicklung medizinischer Dashboard-Lösungen ein.
Die Arbeiten des Fraunhofer IGD umfassen die gesamte Verarbeitungskette: Zunächst werden die heterogenen Gesundheitsdaten strukturiert, kuratiert und für automatisierte Analysen vorbereitet. Dabei müssen unterschiedliche Datenformate, zeitliche Verläufe, fehlende Werte und verschiedene medizinische Datenquellen berücksichtigt werden.
Aus routinemäßig aufgenommenen medizinischen Bilddaten extrahieren die Forschenden anschließend bildbasierte Biomarker. Hierzu kommen unter anderem Radiomics-Verfahren zum Einsatz. Sie beschreiben anatomische Strukturen oder krankhafte Veränderungen anhand messbarer Merkmale. KI-gestützte und statistische Verfahren helfen dabei, besonders relevante Merkmale zu identifizieren und mit klinischen Informationen zu verknüpfen.
Interaktive Kohortenanalyse für datenbasierte Entscheidungen
Ein Schwerpunkt des Fraunhofer IGD liegt auf der interaktiven Kohortenanalyse. Sie ermöglicht es medizinischem Fachpersonal, ausgewählte Patientengruppen gezielt miteinander zu vergleichen und Zusammenhänge zwischen Krankheitsmerkmalen, Behandlung und Therapieansprechen zu untersuchen.
Automatische Analyseverfahren und künstliche Intelligenz können dabei Muster in komplexen Datenbeständen erkennen. Die interaktiven Visualisierungen machen diese Ergebnisse für die Anwender nachvollziehbar und ermöglichen es, sie medizinisch einzuordnen. So können Hypothesen zu geschlechtsspezifischen Krankheits- und Therapieverläufen entwickelt und datenbasiert überprüft werden.