1. Kohorte
FP1 - Kontextmodellierung und Mapping von Leitlinien und SOPs
Zuständiger PI: Prof. Dr. Britta Böckmann
Doktorandin: Catharina Beckmann
Forschungsfrage
•Relevante Informationen einer Leitlinie, die zum Kontext der Patient*in, aber auch der Nutzer*in passen, müssen bislang aufwändig gesucht und dann noch mit klinikinternen Standards abgeglichen werden
•Können Patient*innendatenwie Komorbiditäten, Komedikationen, ECOG für die Ermittlung relevanter Passagen einbezogen werden?
•Kann die zum Patient*innen-und Nutzer*innenkontextpassende SOP ermittelt und integriert angezeigt werden?
FP2 - Analyse unstrukturierter Texte aus Publikationen
Zuständiger PI: Prof. Dr. Peter Horn
Doktorand: Henning Schäfer
Forschungsfrage
•Relevante Informationen einer Leitlinie, die zum Kontext der Patient*in, aber auch der Nutzer*in passen, müssen bislang aufwändig gesucht und dann noch mit klinikinternen Standards abgeglichen werden
•Können Patient*innendatenwie Komorbiditäten, Komedikationen, ECOG für die Ermittlung relevanter Passagen einbezogen werden?
•Kann die zum Patient*innen-und Nutzer*innenkontextpassende SOP ermittelt und integriert angezeigt werden?
FP3 - Extraktion von Argumentstrukturen
Zuständiger PI: Prof. Dr. Torsten Zesch
Doktorandin: Marie Bexte
Forschungsfrage
•Vorkommen von Begriffen kein hinreichendes Kriterium für Relevanz eines Dokuments
--> Extraktion von Argumentstrukturen
•Herausforderungen
•Implizite Argumentation
•Dokumente in mehreren Sprachen
•Spezifische Terminologie
•Individueller Stil (verkürzt, Rechtschreibfehler)
FP4 - Analyse von klinischen Bilddaten unter Einbeziehung weiterer klinischer Daten
Zuständiger PI: PD Dr. Felix Nensa
Doktorandin: Yasmin Schmitt
Forschungsfrage
•Radiomics: großes Potential in der onkologischen Bildgebung
•Vielzahl abgeleitete Bildparameter und oft weitere klinische Daten --> prädiktive MachineLearning Modelle
•DFG gefördertes Radiomics Projekt zum Ansprechen des Melanoms auf Immuntherapie am UK Essen (Radiologie + Dermatologie)
•Ungelöstes Problem: Integration in den PoCund insbesondere Interpretierbarkeit durch die Kliniker*innen
FP5 - Analyse von präklinischen Bilddaten unter Einbeziehung weiterer klinischer Daten
Zuständiger PI: Prof. Dr. Markus Kukuk
Doktorand: Daniel Sauter
Forschungsfrage
”Kann mit Techniken des „deep learning“ ein Modell zur Vorhersage von klinischen Endpunkten aus Fotos oder histologischen Aufnahmen des Primärtumors alleine oder aus einer Kombination der beiden gelernt werden?”
Präklinische Bilddatenquelle: Primärmelanome
•Fotos oder der matoskopische Aufnahmen
•histopathologische Schnitte
•nicht konsequent digitalisiert und imPACS gespeichert
Klinische Endpunkte:
•5-Jahres Überlebenswahrscheinlichkeit
•Wiederkehrwahrscheinlichkeit
•Therapieoptionen und -ansprechen
FP6 - Analyse von Genomdaten
Zuständiger PI: Prof. Dr. Sven Rahmann
Doktorandin: Hamdiye Uzuner
Forschungsfrage
Personalisierte Darstellung der Zuverlässigkeit von Genomvarianten
Diagnose und Therapieentscheidungen in der Onkologie stützen sich auf Genvarianten oder Mutationslast.
Technologie: Aktuell Genpanels (wenige Gene, tiefe Sequenzierung); bald Genomsequenzierung (WGS)
Frage: Wie kann man unterscheiden zwischen
•„sicheren Nicht-Varianten“ und
•„nicht sicheren Varianten“ ?
Ziel: Ärztin am Point-of-Care kann relevante zuverlässige Varianten priorisieren und wahrscheinlich unwirksame Therapieoptionen ausschließen.
FP7 - Behandlungsentscheidung für Melanompatienten Identifikation ähnlicher Patienten am PoC
Zuständiger PI: Prof. Dr. Andreas Stang
Doktorand: Wolfgang Galetzka
Forschungsfrage
•Bei der Behandlung von Melanompatient*innen treten immer wieder ungewöhnliche Konstellationen auf, die Behandlungsentscheidungen erschweren.
•Ziel dieses Projekts ist es, aus der bisherigen Melanompatient*innen-Datenbank der Hautklinik ähnliche Patient*innen (“statistische Patient*innenzwillinge“) zu finden, die in der Vergangenheit in der Hautklinik der Universitätsmedizin Essen behandelt wurden und für die über das Klinische Tumorregister auch die Überlebenszeit vorliegt.
•Am PoCkönnen Ärzt*innen dann vergleichen, wie ähnliche Patient*innen in der Vergangenheit behandelt wurden und was das Outcome war.
FP8 - Prädiktive Modellierung zur Patientenähnlichkeit auf Basis eines openEHR-Modells des Melanoms
Zuständiger PI: Prof. Dr. Britta Böckmann
Doktorandin: Jessica Swoboda
Forschungsfrage
•Zum gegenwärtigen Zeitpunkt gibt es keine verlässlichen prädiktiven Biomarker in Bezug auf eine primäre Resistenz oder eine Resistenzentwicklung gegenüber einer Therapie oder das Risiko für das Auftreten (schwerer), insbesondere immuntherapie-bedingter Nebenwirkungen
•Kann ein wissensbasiertes Relevanzmodell, entwickeltauf Basis bisherigerPatient*innendaten, dafürHinweiseliefern?
•Wie kann das Modell flexibilisiert werden für dynamische Fragestellungen?
•Wie kanndas so generiertekontext-, patient*innen-und nutzer*innenabhängigeWissenintegriertund visualisiertwerden?
FP9 - Kontextmodellierung für den Point of Care
Zuständiger PI: Prof. Dr. Sabine Sachweh
Doktorandin: Eva Hartmann
Forschungsfrage
•Ermittlung von Point of Care spezifischen Einflussfaktoren
•Formalisierung eines spezifischen Kontextmodells auf Basis der Faktoren
•Adaptives Benutzungsschnittstellenkonzept für effiziente wissensbasierte Entscheidungsfindung
FP10 - Kontextabhängige, personalisierte Suche am PoC
Zuständiger PI: Prof. Dr. Norbert Fuhr
Doktorand: Sameh Frihat
Forschungsfrage
•Suche nach Patient*innen-unabhängigen Daten und Wissen
•Integrierte Suche in mehreren Informationsquellen
•Kontextabhängige Suche
FP11 - Informationsgabe zur Gegensteuerung von Fehlschlüssen – Empirische Untersuchung zur Akzeptanz
Zuständiger PI: Prof. Dr. Nicole Krämer
Doktorandin: Alisa Küper
Forschungsfrage
•Wie kann ein Informationssystem der Neigung zu menschlichen Fehlschlüssen entgegenwirken (confirmation bias und Verfügbarkeitsheuristik)?
•Unter welchen Umständen wird ein solches System akzeptiert?
FP12 - Bewertungs- und Vorschlagssystem für aktuelle und relevante Literatur am PoC
Zuständiger PI: Prof. Dr. Christoph Friedrich
Doktorand: Ahmad Idrissi-Yaghir
Forschungsfrage
•Leitlinien zum Melanom der Haut werden regelmäßig aktualisiert
•Ist ein Vorschlagssystem für aktuelle personalisierte Literaturempfehlungen möglich?
•Welche Kriterien benötigt ein Bewertungssystem für Literaturempfehlungen zum Melanom der Haut?
•Wie kann solch ein System quantitativ und qualitativ evaluiert warden?
•Können Worteinbettungen und Transformerarchitekturen diese Systeme verbessern?
•Kann die Kontextmodellierung aus dem Dissertationsprojekt FP9 für Literaturempfehlung genutzt warden?