Sie sind hier: Startseite Knowledge Discovery Projekte

Übersicht ausgewählter Projekte

Distributed Computing Under Data Protection Constraints

 

Individuelle Patientendaten gehören zu den besonders schützenswerten Daten, weshalb selbst eine Weitergabe zu Forschungszwecken innerhalb von Verbundprojekten nicht möglich sein kann.

Um trotzdem eine gemeinsame Analyse der Daten beispielsweise über mehrere Universitätskliniken hinweg zu ermöglichen, erarbeiten wir im Rahmen der Projekte MIRACUM und GESA spezielle statistische Verfahren zur Modellierung, welche den Datenschutz berücksichtigen indem lediglich aggregierte Daten geteilt werden. Wir bauen dabei auf der Platform DataSHIELD auf.

Verantwortlicher: Harald Binder

Mitarbeit: Daniela Zöller, Stefan Lenz

distributed-computing-vert-small.png

MIRACUM - Medical Informatics in Research And Care in University Medicine

 

Im Rahmen der Medizininformatik-Initiative des Bundesministeriums für Bildung und Forschung (BMBF) wird das MIRACUM-Konsortium, ein Zusammenschluss von inital 8 Unikliniken (Erlangen, Frankfurt, Freiburg, Gießen, Mainz, Magdeburg, Mannheim und Marburg) gefördert. Ziel des MIRACUM-Konsortiums ist es, eine Forschungsinfrastruktur aufzubauen, mit der dezentral gehaltene Datenbestände aus Behandlung und Forschung gemeinsam analysiert werden können. Dies wird an drei sogenannten „Use Cases“ demonstriert.

In Use Case 2 („From Data to Knowledge”), unter der Leitung von Harald Binder, geht es um die Erkennung von Mustern/Subgruppen in Patientendaten. Er besteht aus zwei Teilen. Im ersten Teil werden klinische Daten und Labordaten von Asthma/COPD-Patienten untersucht, im zweiten Teil klinische und genetische Daten (Genmethylierung) von Patienten mit Hirntumoren.

Verantwortlicher: Harald Binder

Mitarbeit: Stefan Lenz

miracum

SoftMeta – Software for Meta-Analysis

 

Ziel dieses Projekts ist die Implementierung und Verbreitung statistischer Methoden der Metaanalyse in der frei verfügbaren Software R. Ausgangspunkt des Projekts sind die R-Pakete meta, metasens, netmeta und diagmeta , welche auf GitHub bereitgestellt sind. Weitere Informationen dazu finden Sie auch auf unserer Projekt-Seite bei ResearchGate und der der dazugehörigen Webseite unseres Buches "Meta-Analysis with R."

Verantwortlicher: Guido Schwarzer

Mitarbeit: Gerta Rücker

meta_cover

Modellierung von ROC-Kurven in Metaanalysen von Diagnosestudien und Netzwerkmetaanalyse

 

Dieses DFG-Projekt beschäftigt sich mit zwei aktuellen Forschungsgebieten der Evidenzsynthese in der Medizin, Metaanalyse von Studien zur diagnostischen Genauigkeit und Netzwerkmetaanalyse. Zur Metaanalyse von Diagnosestudien haben wir einen Ansatz entwickelt, mit dem man ganze ROC-Kurven kombinieren kann, und dazu ein neues R-Paket diagmeta implementiert. Zur Netzwerkmetaanalyse erweitern wir laufend unser R-Paket netmeta um neue Methoden, etwa um die Effekte von Kombinationstherapien zu separieren. Das Fernziel ist es, beide Gebiete zu kombinieren (Netzwerkmetaanalyse von Diagnosestudien).

Verantwortliche: Gerta Rücker

Mitarbeit: Guido Schwarzer, Susanne Steinhauser (für den Teil Diagnose)

SROC

DynaMORE - Dynamic Modeling of Resilience

 

Das EU (HORIZONT 2020) Projekt DynaMORE nutzt mathematische Modellierung zur Förderung der mentalen Gesundheit und des Wohlbefindens.

Als einer von zwölf Partnern des Konsortiums, integrieren wir multimodale und hochdimensionale Daten (z.B. fMRT und Verhaltensdaten sowie ökologisches Monitoring von Smartphones and Armbändern) in die Modelle und steuern Techniken zur dynamischen Vorhersage bei. In beiden Gebieten vergleichen wir Deep Learning Techniken mit traditionellen Ansätzen.

Verantwortlicher: Harald Binder

Mitarbeit: Göran Köber

dynamore

GESA - Gender-Sensitive Analyses of Psychological Health

 

Querschnittsstudien ergaben viele Hinweise auf Unterschiede in der Prävalenz von psychischen Störungen bei Männern und Frauen. Geschlechts- und Gendersensitive Analysen, wie sie im Projekt GESA durchgeführt werden sollen, können zur Ursachenklärung der beobachteten Unterschiede beitragen.

Das Projekt vereint drei großangelegte Kohorten (SHIP / GHS / KORA), deren Daten eine längsschnittliche Betrachtung ermöglichen. Es sollen Hinweise auf kausale Beziehungen zwischen Prädiktoren abgeleitet werden und wirksame Modelle erarbeitet werden.

Verantwortlicher: Harald Binder

Mitarbeit: Daniela Zöller

gesa-placeholder.png

MeInBio - BioInMe: Exploration of Spatio-Temporal Dynamics of Gene Regulation Using High-Throughput and High-Resolution Methods

 

Die Versuchsplanung von single cell RNA-seq Experimenten, insbesondere die Fallzahlplanung, ist ein entscheidender Schritt bei der Beantwortung biologischer Hypothesen, weil dadurch ausreichende statistische Power sichergestellt werden kann.

Wir untersuchen die Verteilungsannahmen von Einzelzell-Genexpressionsdaten und nutzen generative Modelle, aus dem Bereich des Deep Learning, um komplexe Strukturen innerhalb der Daten aufzudecken. Diese Strukturen werden zur Fallzahlplanung sowie zur Versuchsplanung für die Analyse differentiell exprimierter Zellen, zur Entdeckung von Zellgruppen und zur Beschreibung der stetigen Zellentwicklung verwendet.

Verantwortlicher: Harald Binder

Mitarbeit: Martin Treppner

meInBio

AgeGain - Transfer of Cognitive Training Gains in Cognitively Healthy Aging: Mechanisms and Modulators

 

AgeGain ist eine multizentrische randomisierte kontrollierte Studie, bei der die Grundlagen des Transferlernens untersucht werden, um Maßnahmen zur Erhaltung der geistigen Leistungsfähigkeit im Alter zu identifizieren. Beteiligt ist die Uniklinik Köln, die Deutsche Sporthochschule Köln sowie die Universitätsmedizin in Mainz und Rostock. Die Probanden sind Menschen im Alter von 60-85 ohne größere körperliche oder geistige Einschränkungen. Ein Teil davon erhält ein spezielles kognitives Training und ein Teil davon zusätzlich noch ein Fitness-Training. Für die Studie werden die körperliche und soziale Aktivität erhoben, Hirn-Scans (fMRT und PET) gemacht und Tests zur geistigen und körperlichen Leistungsfähigkeit durchgeführt.

Unsere Aufgabe dabei ist die statistische Begleitung des Projekts, insbesondere im Hinblick auf die Herausforderungen, die die Analyse eines solchen multimodalen und hochdimensionalen Datensatzes mit sich bringt.


Verantwortlicher: Harald Binder

Mitarbeit: Stefan Lenz, Göran Köber

gesa-placeholder.png

 

Andere Projekte

 

Eine Auflistung aller laufenden Projekte finden sie hier...

Eine Auflistung aller beendeten Projekte finden sie hier...