Leichter grenzüberschreitend und datengesteuert Krebs erforschen
In einer Reihe von Sektoren, auch in der Gesundheitsversorgung, sind wir in zunehmendem Maße auf Unterstützung durch Rechentechnik angewiesen, um die stark zunehmende Menge und Komplexität der Daten zu bewältigen. Damit Europa jedoch in vollem Umfang von Innovationen dieser Art profitieren kann, müssen diese Daten harmonisiert werden, und Forschende und klinisches Personal müssen Möglichkeiten für den grenzüberschreitenden Zugriff und Austausch von Informationen erhalten. Zu diesem Zweck wurde das EU-finanzierte Projekt EOSC4Cancer gestartet. Es läuft bis März 2025 und vereint Krebsforschungszentren, Forschungsinfrastrukturen, Krankenhäuser und Hochleistungsrechenzentren in 14 europäischen Ländern.
Von der Krebsvorsorge bis zur Diagnose und Behandlung
Das Konsortium des Projekts EOSC4Cancer wendet diese Grundsätze auf eine Reihe von Anwendungsfällen an, die die gesamte Erfahrungswelt der Betroffenen abdecken. Ein Schlüsselelement ist sicherzustellen, dass solche Datensätze harmonisiert und maschinell verarbeitbar sind und sich für Ansätze im Zusammenhang mit künstlicher Intelligenz eignen. Ein Anwendungsfall konzentriert sich auf Krebsvorsorgeprogramme, die für bessere Überlebensraten durch Früherkennung entscheidend wichtig sind. Vorsorgeprogramme erzeugen normalerweise Datensätze, die für die weitere datengestützte Forschung verwendet werden können. Das Projektteam hat eine Teilmenge von aus Vorsorgeprogrammen in drei Ländern gewonnenen Daten miteinander in Beziehung gesetzt, um das Risiko/Nutzen-Verhältnis der Darmkrebsvorsorge zu bewerten und die Vorsorgestrategien zu optimieren. Ein Hauptziel lautet, den Datenfluss zu verbessern und die gemeinsame Forschung zu erleichtern, indem diese Informationen über föderierte Datenräume zugänglich gemacht werden. Ein zweiter Anwendungsfall ist die Betrachtung der Multiomik zur effektiven Diagnose und Behandlung von Dickdarmkrebs. Es wurden Datensätze zu medizinischen Bildern, Genomik und anderen Faktoren gesammelt, wobei die gesicherte Harmonisierung dieser Daten den Schwerpunkt bildete. Das Projektteam plant, genormte Vorlagen zu erstellen, die Forschende und klinisches Personal für den Austausch derartiger Multiomikdaten verwenden können. Einen weiteren Anwendungsfall bildet die Forschung, wie molekulare Tumordaten im Rahmen der Präzisionskrebsmedizin optimiert werden können. Ziel ist es, ein klinisches Entscheidungshilfesystem zu entwickeln, das dem Klinikpersonal hilft, Biomarker-gesteuerte präzisionsmedizinische Eingriffe vorzunehmen. Das Projektteam untersucht gegenwärtig die für das klinische Entscheidungshilfesystem erforderlichen Dateninfrastrukturen und Formatspezifikationen, um diese Aufgabe zu erfüllen. Dieser Teil des Projekts baut auf der Arbeit des Molecular Tumor Board Portal auf, das bioinformatische Instrumente zur Ermittlung von Behandlungsmöglichkeiten einsetzt.
Wirkungsvolle evidenzbasierte medizinische Forschung
Die Datensätze, die im Rahmen dieser und weiterer spezifischer Anwendungsfälle gesammelt werden, sowie die Projektarbeit, mit der sichergestellt werden soll, dass diese Daten zugänglich, gemeinsam nutzbar und wiederverwendbar sind, werden dazu beitragen, die Grundlagen für die weitere kooperative Krebsforschung zu schaffen. Aufgrund der Komplexität von Krebserkrankungen ist eine breitangelegte Zusammenarbeit unerlässlich, um den Betroffenen wirksame neue Therapien anbieten zu können. Der wichtigste Beitrag des Projekts EOSC4Cancer besteht darin, zu gewährleisten, dass verschiedene Arten von Krebsdaten aus den Bereichen Genomik, Bildgebung, Medizin, Klinik, Umwelt und Sozioökonomie sicher und grenzüberschreitend verarbeitet und wiederverwendet werden können, indem föderierte und interoperable Systeme zum Einsatz kommen. Die Investitionen in eine solche Forschungsinfrastruktur werden sich letztlich auszahlen, da sie eine wirkungsvolle, evidenzbasierte medizinische Forschung fördern, die zu besseren Gesundheitsergebnissen führt.
Schlüsselbegriffe
EOSC4Cancer, Krebs, Diagnose, Genomik, medizinisch, Daten, Multiomik