Knowledge Management in Precision Medicine (IAM-KMP)

Das Team „Knowledge Management in Precision Medicine“ möchte Softwarelösungen bereitstellen, um den Prozess in der Präzisionsmedizin von der Diagnose bis zur personalisierten Therapieempfehlung zu unterstützen.

Nach klassischem Therapiestandard werden Patient:innen nach einer Diagnosestellung mit einer krankheitsspezifischen Arzneitherapie behandelt. Da Menschen unterschiedlich auf Medikamente reagieren können, weisen Patient:innen oft starke Nebenwirkungen auf oder zeigen gar kein Ansprechen. Nach dem „Trial-and-Error“- Prinzip wird die Dosierung daraufhin geändert oder eine andere Therapie ausprobiert, bis eine passende Therapie gefunden ist. Die Unwirksamkeitsrate gängiger Therapien ist dabei sehr hoch.

Im Gegensatz zum klassischen Therapieansatz wird in der personalisierten Medizin anhand einer umfassenden molekularen, zellulären und funktionellen Analyse die Krankheit von Anfang an genauer bestimmt. So können individuelle Gegebenheiten in die Therapie mit einbezogen werden und im Vorhinein eine bessere Voraussage über die Wirksamkeit und die Dosis einer medikamentösen Behandlung getroffen sowie Nebenwirkungen minimiert werden.

Die erheblichen Fortschritte der Technologien zur Generierung von Omics- Daten in den letzten Jahrzehnten haben diese umfassenden Analysen und damit die personalisierte Medizin erst möglich gemacht. Die Kosten für eine Genomsequenzierung sind von 2,7 Billionen Dollar in 2003 auf 1000 Dollar in 2012 gesunken und das 100- Dollar- Genom ist greifbar nah. Während die Analyse eines Genoms im Jahr 2003 noch Jahre gedauert hat, ist es heute in wenigen Stunden möglich. Diese Entwicklungen haben zur Generierung einer noch nie dagewesenen Menge und Vielfalt an biomedizinischen Daten geführt, welche Schätzungen zufolge in den nächsten Jahren um ein Vielfaches weiter ansteigen werden.

Die biomedizinischen Forschungsdaten zur Interpretation dieser Daten sind in verschiedenen externen Quellen gespeichert – genetischen Datenbanken, Signalweg-Datenbanken oder in Form von Publikationen. Um diese Daten nutzbar zu machen, müssen sie strukturiert und mit den internen Patientendaten zusammengeführt werden. Hier bedarf es IT-Lösungen, um Ärzt:innen von der Auswertung der Analyse bis hin zur Therapieentscheidung zu unterstützen und diesen Prozess soweit möglich zu automatisieren. Nur mit einem smarten, digitalen Wissensmanagement kann eine individualisierte Behandlung möglichst vielen Patient:innen angeboten werden.