IASiS

Big Data for Precision Medicine

Fakten

Leitung

Prof. Dr. Maria-Esther Vidal

Förderung durch

EU (Horizon 2020)

Laufzeit

2017 – 2020

Homepage

http://project-iasis.eu/

Beschreibung

IASiS ist ein EU-finanziertes Projekt dessen Ziel ist es, Informationen aus Krankenakten, Bilddatenbanken und Genomdaten zu kombinieren, um personalisierte Diagnose- und Behandlungsansätze in zwei Krankheitsbereichen - Lungenkrebs und Alzheimer - zu ermöglichen.

Die Präzisionsmedizin verspricht, die Gesundheitsversorgung für Patienten zu verändern. Das Gesundheitswesen entwickelt sich von einem reaktiven "Einheits-System" zu einem System prädiktiver, präventiver und präziser Pflege. Es wird erwartet, dass ein Ansatz der personalisierten Medizin zu besseren Gesundheitsergebnissen, verbesserten Behandlungen und einer Verringerung der Toxizität aufgrund von variablen oder unerwünschten Arzneimittelreaktionen führt.

Das Ziel des Projekts IASIS besteht darin, die Möglichkeiten zu nutzen, die sich aus einer Datenwelle ergeben, die unseren Weg kreuzt und diese in umsetzbare Informationen umzuwandeln, die der richtigen Behandlung mit dem richtigen Patiententyp entsprechen. Eine aktuelle Herausforderung besteht darin, dass große, heterogene Datenmengen von verschiedenen Quellen stammen, die, wenn kombiniert, die besten Entscheidungen ermöglichen würden, so dass Diagnose und Behandlung für jedes Individuum personalisiert werden können.

IASiS testet diesen Ansatz in zwei Krankheitsbereichen - Lungenkrebs und Alzheimer-Krankheit -, aber mit dem längerfristigen Ehrgeiz, dass dieser Ansatz für andere Krankheitsbereiche breiter anwendbar sein wird.

Der Grundansatz von IASIS besteht darin, ein System zu entwickeln, das sowohl unstrukturierte als auch strukturierte Datenanalyse, Bildanalyse und Sequenzanalyse automatisch integriert und all dieses Wissen in eine Big-Data-Infrastruktur integriert. Dieses System wird dann eine Plattform schaffen, die eine innovative Frage- und Antwortkapazität ermöglicht, die von Klinikern verwendet werden kann, um eine effizientere und individuellere Diagnose und Behandlung von Patienten zu unterstützen.

zurück zur Liste


Feedback