Metanavigation:

Hier finden Sie den Zugang zur Notfallseite, Kontaktinformationen, Barrierefreiheits-Einstellungen, die Sprachwahl und die Suchfunktion.

Navigation öffnen
Ein Forscher träufelt aus einer kleinen Pipette eine Flüssigkeit in ein Reagenzglas. Mehrere Reagenzgläser und ein Erlenmeyerkolben vorn rechts sind mit einer hellblauen, klaren Flüssigkeit gefüllt. Kopf und Schultern des Forschers sind nur unscharf im Hintergrund zu erkennen.

PREDICT - Umfassende Datenintegration zur Verbesserung onkologischer Therapien

Sie befinden sich hier:

Projektbeschreibung PREDICT

Das Hauptziel des PREDICT Projektes ist die Entwicklung eines Software Tools, welches Klinikern ermöglicht, die große Menge an Daten, die zu genetischen Veränderungen und Therapieansprechen existieren, sinnvoll zu nutzen. Hiermit soll langfristig die schnellere Entwicklung und Umsetzung von klinischen Studien ermöglicht werden, deren Design auf spezifischen genomischen Veränderungen basiert. Des Weiteren soll der klinische Entscheidungsprozess für zielgerichtete Therapien basierend auf Genomsequenzierungen mit der maximalen Information unterlegt und so besser strukturiert werden.

Mit Hilfe hochentwickelter und innovativer Algorithmen für die Extraktion von Wissen, semantischer Datenintegration und biomedizinischem Textmining soll eine Wissensdatenbank generiert werden. Diese soll klinischen Onkologen mit Hilfe einer klinisch-orientierten Tumor-Genom Plattform zugänglich und nutzbar gemacht werden. Des Weiteren wird diese Wissensdatenbank eine wichtige Grundlage für die Initiierung und Unterstützung von neuen klinischen Studien („Basket und „Umbrella“ Studien) sein, in denen neue Substanzen typischerweise kleineren Gruppen von Patienten verabreicht werden, die auf der Basis ihres Mutationsstatus ausgesucht wurden. Schließlich soll diese Wissensdatenbank auch dazu dienen, neue Algorithmen zu entwickeln, die dabei helfen, die Auswirkungen einer oder mehrerer Substanzen im Patienten mit einem definierten Mutationsprofil vorher zu sagen. 


Konsortium

Koordinator:

Prof. Dr. Ulf Leser
Knowledge Management in Bioinformatics, Humboldt-Universität zu Berlin

Projektpartner:

  1. Prof. Dr. Nils Blüthgen
    Computational Modeling in Medicine, Charité Berlin
  2. Prof. Dr. med. Ulrich Keilholz
    Charité Comprehensive Cancer Center, Charité Berlin
  3. Prof. Dr. Christine Sers
    Molecular Tumor Pathology, Charité Berlin
  4. Prof. Dr. Reinhold Schäfer
    Molecular Tumor Pathology, Charité Berlin
  5. Prof. Dr. Marius Kloft
    Machine Learning, Humboldt-Universität zu Berlin

Weiterführende Informationen über das Projekt "PREDICT".