Das Konsortium „Data Integration for Future Medicine“ (DIFUTURE) entwickelt innovative IT-Lösungen, um bisher getrennt verarbeitete und gespeicherte Patientendaten zusammenzuführen und zu nutzen. Dazu haben sich die
Technische Universität München, die Ludwig-Maximilians-Universität München, die Eberhard Karls Universität Tübingen, die Universität Ulm, ihre Universitätsklinika und die Universität Augsburg zusammengeschlossen. Sie
arbeiten eng mit weiteren Partnern zusammen, etwa mit dem Universitätsklinikum Regensburg, der Universität des Saarlandes und dem Universitätsklinikum des Saarlandes. Die Arbeit des Konsortiums ist darauf ausgerichtet, bestimmte Krankheitsverläufe besser zu verstehen und
bessere Therapien zu finden. Die beteiligten Universitätsklinika bauen an ihren Standorten medizinische Datenintegrationszentren (DIZ) auf, in denen Daten zusammengeführt werden, sodass eine gemeinsame und übergreifende Nut-
zung der Daten möglich wird. Der Schutz der Patientendaten spielt dabei eine zentrale Rolle. Dazu werden verschiedene Methoden eingesetzt, beispielsweise Anonymisierung oder verteiltes Rechnen, bei dem die Daten das jeweilige Haus nicht verlassen. Die Einwilligung und die Einbeziehung der Patientinnen und Patienten sind wesentlich für die Arbeit von DIFUTURE.
ZIELE
DIFUTURE Ulm:
Datenschätze vernetzen und analysieren, damit Forschende Krankheiten genauer verstehen und Mediziner die Heilungschancen der Patienten verbessern können – das ist das Ziel der Medizininformatik. Dreh- und Angelpunkt sind dabei die Datenintegrationszentren (DIZ). Prof. Hans A. Kestler leitet das Institut für Medizinische Systembiologie an der Universität Ulm. Zusammen mit seinem Team baut er am Universitätsklinikum ein solches DIZ auf. Im Konsortium DIFUTURE wollen die Ulmer Mediziner und Forscher große Datenmengen analysieren, um darin – noch – verborgene Zusammenhänge zu erkennen und so neue Ansatzpunkte für bessere Therapien zu finden. Im Fokus steht dabei die Multiple Sklerose, Parkinson und weitere fachdisziplinenübergreifende Use Cases.
Wissenschaftlicher Mitarbeiter (m/w/d)
Our paper "A systems biology approach to define mechanisms, phenotypes, and drivers in PanNETs with a personalized perspective" has been published in npj systems biology and applications.
"Supporting SURgery with GEriatric Co-Management and AI (SURGE-Ahead): A study protocol for the development of a digital geriatrician" has been published in PLoS One.
"Self-Assessment of Having COVID-19 With the Corona Check Mhealth App" has been published in IEEE Journal of Biomedical and Health Informatics.
Our first quantum computing paper "Leveraging quantum computing for dynamic analyses of logical networks in systems biology" has been published in Patterns.
Our paper "Unsupervised domain adaptation for the detection of cardiomegaly in cross-domain chest X-ray images" has been published in Frontiers in Artificial Intelligence.
"Vaccine Side Effects in Health Care Workers after Vaccination against SARS-CoV-2: Data from TüSeRe:exact Study" has been published in Viruses-Basel.
"PREDICT-juvenile-stroke: PRospective evaluation of a prediction score determining individual clinical outcome three months after ischemic stroke in young adults – a study protocol" has been published in BMC Neurology.
Our paper "Federated Electronic Data Capture (fEDC): Architecture and Prototype" has been accepted for publiaction in the Journal of Biomedical Informatics.
Our paper "Efficient cross-valdation traversals in feature subset selection" has been published in Scientific Reports.
Our paper "CANTATA - prediction of missing links in Boolean networks using genetic programming" has been published in Bioinformatics.
Our paper "Interaction Empowerment in Mobile Health: Concepts, Challenges, and Perspectives" has been published in the Journal of Medical Internet Research mhealth and uhealth.
Our paper "Identification of dynamic driver sets controlling phenotypical landscapes" has been published in the Computational and Structural Biotechnology Journal.