In Rahmen des FFG COIN-Projektes VISIOMICS wurde von VRVis in Kooperation mit der St. Anna Kinderkrebsforschung und weiteren Partner in Wien eine webbasierte Plattform zur integrierten Exploration von Multi-Omics- und klinischen Daten geschaffen, die visuelle und automatische Datenanalyse vereint. Ein Ziel in der Forschung ist die Klassifizierung von Tumoren sowie die patientenspezifische Risikostratifizierung und Überlebensvorhersage. Eine vollständige Integration multiskalarer genomweiter (Multi-Omics-)Datensätze, wie zelluläre Merkmale, Genomik, Genexpression und/oder epigenetischer Daten mit klinischen Daten, unterstützt die Erforschung von Krebsarten im Patientenkontext, und kann so helfen, die individuelle Krebsdiagnostik gerade bei seltenen Krebsarten zu verbessern. Während Machine und Deep Learning-Ansätze auf einen größeren Datenbestand angewiesen sind, um Modelle zu lernen, stellt die von VRVis entwickelte Plattform zur visuellen Datenexploration gerade für seltene Krebsarten, für die jeweils nur wenige Datensätze vorhanden sind, für die Forschenden eine Alternative dar, um komplexe Zusammenhänge zu analysieren und neue Hypothesen zur entwickeln.
Medizinische Langzeituntersuchungen beschäftigen sich oft mit Zusammenhängen von Risikofaktoren und dem Auftreten von Krankheiten. Dabei fallen große Mengen an Daten an, zugleich ist aber auch das Fehlen von Daten eine der großen Herausforderungen. Der Ausfall von Patientinnen und Patienten und nicht erfasste Werte zählen zu den größten statistischen Problemen bei der Auswertung von Langzeitstudien. Nicht korrekt behandelt, verursachen sie ein Bias in der Datenauswertung, reduzieren so die statistische Aussagekraft und damit den Wert der Ergebnisse. Mit VIVID wurde gemeinsam mit Epidemiologen der Universität Greifswald eine Visual Analytics-Applikation entwickelt, die es ermöglicht, in klinischen Kohortenstudien fehlende Werte aufzuspüren und deren Charakter zu bestimmen. VIVID integriert auch Methoden, um fehlende Daten zu ersetzen und deren Validität zu beurteilen. VIVID wurde von unserem Wissenschaftspartner der Universität Magdeburg unter Mitwirkung von VRVis entwickelt.
Daten des Gesundheitssystems haben das Potenzial eine wichtige Entscheidungshilfe zu sein. Dafür setzen wir am VRVis visuelle Datenanalyse ein und erforschen neue Visualisierungstechnologien, um den Prozess der datengetriebenen Modellierung im Gesundheitskontext zu unterstützen. Wir kombinieren Entscheidungsanalyse, Datensicherheit, Datenmanagement, Statistik, mathematischer Modellierung, Simulation und visueller Analyse. Die Verbindung dieser Methoden hilft beispielsweise die Ausbreitung von Krankheiten in der Bevölkerung zu analysieren und zu modellieren, Behandlungspfade zu untersuchen und die Auswirkungen von Veränderungen im Gesundheitssystem auf der Grundlage von Computermodellen zu untersuchen. Mehr Informationen über unser Projekt DEXHELPP.
Die Kombination von "Liquid Biopsies", maschinellen Lernverfahren und Datenvisualisierung soll eine frühere und genauere Vorhersage eines Rückfalls bei Kindern mit einer Krebserkrankung ermöglichen.
DEXHELPP entwickelt neue Methoden zur Unterstützung der Analyse, Planung und Steuerung im Gesundheitswesen durch die Kombination von Entscheidungsanalyse, Datensicherheit, Datenmanagement, Statistik, mathematischer Modellierung, Simulation und visueller Analyse.