Projekte

​​​​​​​​​​​​​Unsere Abteilung ist in verschiedene Forschungsprojekte eingebunden, die wir mit verschiedenen Partnern am Klinikum, in Deutschland und auf internationaler Ebene durchführen. Eine Auswahl finden Sie nachfolgend.


Aktuelle Projekte:

KIMed (04/2025 –​​ 12/2027)

KIMed – Netzwerk für Künstliche Intelligenz in der Medizin

Laufzeit: 04/2025 –​​ 12/2027
Finanzierungsart: ​Sächsisches Staatsministerium für Wissenschaft, Kultur und Tourismus (SMWK), Sächsische Aufbaubank (SAB)

Projektbeschreib​ung

KIMed ist ein sächsisches Netzwerkprojekt mit dem Ziel, eine nachhaltige Kooperationsstruktur im Bereich der KI-gestützten Medizin aufzubauen. Durch die Bündelung von Kompetenzen, Ressourcen und Infrastrukturen werden strukturelle und organisatorische Hürden bei der Umsetzung von KI-Lösungen aus der Forschung in die Praxis abgebaut. Zentrale Ziele sind die Erstellung eines öffentlichen Metadatenverzeichnisses für Datensätze, KI-Anwendungen und Akteur:innen. Außerdem entwickelt das Projekt eine geschützte Forschungsumgebung bzw. Secure Processing Environment (SPE) im Einklang mit den Vorgaben des europäischen Gesundheitsdatenraums und Demonstratoren für die SPE. Ergänzend werden Aus- und Weiterbildungsmaßnahmen sowie Beratungsangebote bereitgestellt und Öffentlichkeitsarbeit durchgeführt.


MDS-Projektm​​itglieder​​​​

Projektpartner

  • Institut für Medizinische Informatik, Statistik und Epidemiologie, Universität Leipzig, Maryam Khodaei Dolouei, Prof. Dr. Toralf Kirsten, M. Sc. Christina Lohr, Dr. Frank Meineke, Dr. Alexandr Uciteli, Prof. Markus Löffler 
  • LIFE – Leipziger Forschungszentrum für Zivilisationserkrankungen​, Universität Leipzig, ​Ute Batz-Zweynert, Dipl-Inf. Matthias Reusche, Ronald Speer, Mathias Rühle, Sara Volc, Cornelia Dolling, Julia Jesser, Anja Sorge, Svea Pasalk, Ronald Lohann ​
  • Innovation Center Computer Assisted Surgery (ICCAS​), Universität Leipzig, Johann Berger, Dr. Stefan Bohn, Prof. Thomas Neumuth ​
  • Institut für Medizinische Informatik und Biometrie (IMB), Technische Universität Dresden, Dr. Eveline Prochaska​​​
  • ​​Zentrum für Medizinische Informatik, Technische Unversität Dresden, Karolin Hofmann, Marcel Dije, Dr. Claudia-Silvia Heine, Dr. Kathrin Sobe, Prof. Martin Sedlmayr
  • Sächsisches Institut für Computational Intelligence und Machine Learning, Hochschule Mittweida, Dr. Marika Kaden, M.Sc. Ronny Schubert, Prof. Dr. Thomas Villmann 
  • Zentrum für Klinische Studien (ZKS), Universität Leipzig, Dr. Wolf Oehrl ​​​

LINCARE (01/2025 – 12/2027)

LINCARE –​ Intervent​​​ionelle Versorgungsforschung der Gefäßmedizin

Zeitraum: 01/2025 – 12/2027 
Finanzierungsart:  Gemeinsamer Bundesausschuss (GBA)

Projektbe​​schreibung

Rund 2 bis 3 Millionen Menschen in Deutschland sind von einer arteriosklerotischen Minderdurchblutung der unteren Extremitäten (pAVK) betroffen. Angesichts dieser hohen Prävalenz und der jährlic​h rund 48.000 durchgeführten Amputationen, von denen etwa ein Drittel als vermeidbar gilt, besteht bei dieser Volkskrankheit dringender Handlungsbedarf.

Das LINCARE-Projektteam untersucht die aktuelle Situation der Patientenversorgung bei kritischen Krankheitsstadien von peripherer arterieller Verschlusskrankheit (pAVK). Hierfür werden umfangreiche Gesundheits- und Kostendaten aus den letzten zehn Jahren aus dem stationären, ambulanten und rehabilitativen Sektor genutzt. Diese Daten werden durch den Konsortialpartner, das Wissenschaftliche Institut der AOK (WIdO), bereitgestellt. Zusätzlich werden Daten von über 80.000 pAVK-Patienten einbezogen, die in deutschen Universitätskliniken behandelt wurden.


Das LINCARE-Projektteam analysiert auf Basis der gesammelten Daten, welche Faktoren zu unerwünschten Auswirkungen, insbesondere zur Amputation, führen. Durch die Analyse dieser Faktoren entwickeln wir Modelle, die die Auswirkungen von bestimmten Therapieverfahren auf die Behandlungsfolge vorhersagen sollen. Dazu konzentrieren wir uns die Identifizierung von klinischen und strukturellen Faktoren, die zu unerwünschten Auswirkungen bei pAVK-Patienten führen. Mit den Modellen sollen schließlich Auswirkungen von verschiedenen Therapieverfahren auf die Behandlungsfolge vorhergesagt und entsprechende Handlungsempfehlungen abgeleitet werden. Ziel ist es, die Behandlungsergebnisse für pAVK-Patienten zu verbessern und die Amputationsrate zu reduzieren.​


MDS-Projektmitglied​​​​​er​

Projektpartner

  • Universitätsklinikum Leipzig, Klinik und Poliklinik für Angiologie​ (PD Dr. med. habil. Eva Freisinger und Prof. Dr. med. Dierk Scheinert)
  • Wissenschaftliches Institut der AOK WIdO, Berlin (Dipl.-Math. Christian Günster)
  • Deutsche Gesellschaft für Angiologie e.V., Berlin (Prof. Dr. med. Wulf Ito)
  • Deutsche Gefäßliga e.V., Brühl (PD Dr. med. Christoph Kalka)

Come2Data (11/2024 – 11/2026)

Come2Data – ​Kompetenzzentrum für interdisziplinäre Datenwissenschaften 

Zeitraum: 11/2024 – ​11/2026
Finanzierungsart: Bundesministerium für Forschung, Technologie und Raumfahrt (BFTR), Europäische Union

Projektbeschr​​eibung

Come2Data fungiert als Datenkompetenzzentrum (DKZ) mit einem sächsisch-regionalen S​​chwerpunkt. Ziel ist es, praxisorientierte Datenkompetenzen vorrangig in der Wissenschaft zu stärken, aber auch in der Verwaltung, in der interessierten Öffentlichkeit sowie perspektivisch in der Wirtschaft zu fördern. 

Come2Data bündelt vorhandene Ausbildungs- und Unterstüt​​zungsangebote im Bereich Datenwissenschaft sowie Expertisen und Aktivitäten zu Forschungsdatenmanagement, zur Nationalen Forschungsdateninfrastruktur (NFDI), zu Hochleistungsrechnen und zu Analyseverfahren für datenintensive, interdisziplinäre Forschungsanwendungen wie Künstliche Intelligenz und Datenmodellierung. Hierbei werden die in Sachsen vorhandenen vielfältigen lokalen, regionalen und nationalen Aktivitäten konsolidiert und zu einem nachhaltigen, synergetischen Angebot zusammengeführt. Die Grundlage bildet ein umfassendes Ausbildungs- und Unterstützungsangebot in den Bereichen Datenintegration, Datenmanagement, Datenanalyse und Datenpublikation.

​Come2Data schafft somit einen offenen Forschungs-, Unterstützungs-, Vernetzungs- und Lernort über sächsische Standorte hinweg. Das konsolidierte Ausbildungs-, Unterstützungs- und Wissensangebo​t wird über eine zentrale virtuelle Plattform Forschenden, Lehrenden und Lernenden zugänglich gemacht und gleichzeitig öffentlichkeitswirksam bereitgestellt.

MDS-Projektmitglieder

​Projektpartne​r

  • Zentrum für Informationsdienste und Hochleistungsrechnen an der Technische Universität Dresden
  • Technische Universität Dresden (Prof. Dr. Lars Bernard)
  • Technische Universität Chemnitz (Dr. Ralph Müller-Pfefferkorn)
  • Sächsische Landesbibliothek – Staats- und Universitätsbibliothek Dresden
  • Landesinitiative „SaxFDM – Forschungsdatenmanagement in Sachsen“
  • ScaDS.AI Dresden/Leipzig​ – Center for Scalable Data Analytics and Artificial Intelligence Dresden/Leipzig (Prof. Dr. Erhard Rahm, Matthias Täuschner. Dr. Mike Berger, Pia Voigt)
  • DRESDEN-concept e.V.
  • NFDI4Earth – NFDI-Konsortium Erdsystemwissenschaften

Ergebniss​e

Erste Ergebnisse des Come2Data-Pilotprojekts „KI in der Medizin“:

  • ​​​Entwurf und Implementierung eines Prototyps für eine vertrauenswürdige Rechenumgebung (Trusted Research Environment, TRE) in Zusammenarbeit mit dem Universitätsrechenzentrum (URZ), um sichere Berechnungen für die Forschung mit sensiblen Patientendaten zu ermöglichen.
  • Organisation eines Python-Trainings für medizinisches Fachpersonal in Zusammenarbeit mit ScaDS.AI und EKFZ, um praktische Kenntnisse in Datenanalyse und KI-Anwendungen zu vermitteln.
  • Aufbau einer fachspezifischen Wissensdatenbank zur Sammlung und Weitergabe von Methoden, Ressourcen und Best Practices in der medizinischen Data Science.
  • Unterstützung der MII Academy zur Förderung der Datenkompetenz.
  • Sammlung fachspezifischer Datenprobleme, welche in das interne Ticketsystem eingespeist werden und durch den Helpdesk/Expert:innen bearbeitet werden.

​Refere​​nzen

NutriScoPe (11/2024 – 10/2026)

NutriScoPe  Automatisierte Diagnostik von Mangelernährung (Nutricional Scoring) bei stationären Patient:innen

Laufzeit: 11/2024 – 10/2026
Finanzierungsart: ​TMF – Technologie- und Methodenplattform für die vernetzte medizinische
Forschung e.V. & Haushaltsmittel des Universitätsklinikums Leipzig

Projektbeschreib​​ung

NutriScoPe ist eine re​​trospektive Studie, die untersucht, wie Mangelernährung bei Patient:innen in verschiedenen Klinikabteilungen auftritt und welchen Einfluss eine systematische Ernährungsdiagnostik und -therapie auf den Behandlungserfolg hat.

Mangelernährung betrifft 20-30 % aller stationär aufgenommenen Patient:innen und ist mit längeren Krankenhausaufenthalten, höheren Kosten und erhöhter Sterblichkeit verbunden, besonders bei malignen Erkrankungen und chronischem Organversagen. Um diesen Risiken entgegenzuwirken, wurde am Universitätsklinikum Leipzig (UKL) ein Ernährungsteam eingerichtet, das Patient:innen gezielt während des stationären Aufenthalts betreut.

Um Patient:innen mit erhöhtem Risiko für Mangelernährung zu erfassen, wird am UKL ein standardisiertes Verfahren das Nutritional Risk Screening (NRS) eingesetzt: Patient:innen durchlaufen bei stationärer Aufnahme ein Vorscreening, bei auffälligen Befunden folgt ein Hauptscreening. Bei nachgewiesener Mangelernährung erhalten sie eine gezielte Ernährungstherapie durch das Ernährungsteam. Im Vergleich dazu wird an der Universitätsklinik Jena bislang keine systematische NRS-Erfassung durchgeführt.

Die Studie basiert auf medizinischen Dokumentationsdaten der beiden Kliniken und analysiert die Prävalenz von Mangelernährung, deren Verteilung auf verschiedene Fachabteilungen sowie die Auswirkungen des automatisierten Nutritional Risk Screening auf Therapieerfolg, Krankenhausverweildauer und Komplikationen. Außerdem werden Zusammenhänge mit Alter, Geschlecht und Hauptdiagnosen untersucht, um gezielte Maßnahmen zur Verbesserung der Patientenversorgung ableiten zu können.

Weitere Informationen zum Projekt finden Sie unter: FDPG - Forschungsdatenportal für Gesundheit​

MDS-Projektmit​​glieder

​Projektpartner

Ergebn​isse

Die Auswertung der Daten zeigte, dass nicht alle Patient:innen mit einem positiven Vorscreening ein anschließendes Hauptscreening am UKL erhielten, was eine Abweichung vom NRS-Protokoll darst​​ellt. In der klinischen Praxis erfolgte das Hauptscreening überwiegend bei Patient:innen mit schwereren Krankheitsverläufen.

Da das Vorscreening auf einer Selbsteinschätzung bei der A​ufnahme in die Klinik beruht, war mit Verzerrungen zu rechnen. Auffällige Hauptscreenings wurden insbesondere in der Viszeralchirurgie beobachtet, häufig bei Patient:innen mit malignen Komorbiditäten.

Ein höherer NRS-Score im Hauptscreening korrelierte deutlich mit ungünstigeren klinischen Verläufen. So zei​gten sich bei diesen Patient:innen eine erhöhte Mortalität, eine längere stationäre Verweildauer sowie eine höhere Wiederaufnahmerate.

Die folgende Abb​ildung veranschaulicht die bisherigen zentralen Ergebnisse der Analyse (Stand 09/2025):



Abbildung 1: Anzahl der P​atient:innen, die von 2017 bis 2023 ein Nutritional Risk Screening (NRS-Screening) am UKL erhalten haben. Eigene Darstellung.

Abbildung 2: Dauer des statio​​​​nären Aufenthalts in Abhängigkeit von der NRS-Score-Gruppierung im Hauptscreening

Abbildung 3: Body-Mass-Index in Abhängigkeit von d​e​r NRS-Score-Gruppierung im Hauptscreening​

​Publik​​​ationen

  • Pirlich, M., Schütz, T., Norman, K., Gastell, S., Lübke, H. J., Bischoff, S. C., Bolder, U., Frieling, T., Güldenzoph, H., Hahn, K., Jauch, K. W., Schindler, K., Stein, J., Volkert, D., Weimann, A., Werner, H., Wolf, C., Zürcher, G., Bauer, P., & Lochs, H. (2006). The German hospital malnutrition study. Clinical nutrition (Edinburgh, Scotland), 25(4), 563–572. Read Paper
  • Schuetz, P., Fehr, R., Baechli, V., Geiser, M., Deiss, M., Gomes, F., Kutz, A., Tribolet, P., Bregenzer, T., Braun, N., Hoess, C., Pavlicek, V., Schmid, S., Bilz, S., Sigrist, S., Brändle, M., Benz, C., Henzen, C., Mattmann, S., Thomann, R., … Mueller, B. (2019). Individualised nutritional support in medical inpatients at nutritional risk: a randomised clinical trial. Lancet (London, England), 393(10188), 2312–2321. Read Paper

VICI – VTE (11/2024 – 04/2026)

 VICI – VTE Venöse Thromboembolien im Kinder- und Jugendalter

Laufzeit: 11/2024 – 04/2026
Finanzierungsart: Haushaltfinanzierte Forschung​

Projektbeschreibu​ng

Das Projekt VICI-VTE widmet sich der Erforschung von venösen Thromboembolien (VTE), insbesondere tiefer Ve​​nenthrombosen (TVT) und Lungenembolien (LE), bei Kindern und Jugendlichen unter 20 Jahren in Deutschland. VTE sind Blutgerinnsel, die in den Venen das Blutflusssystem blockieren und im schlimmsten Fall lebensbedrohlich werden können. Bei jungen Menschen sind VTE zwar selten, sollten aber besonders ernst genommen werden da sie oft auf besondere Risikofaktoren oder Erkrankungen hindeuten.​

Das Projekt liefert wichtige Erkenntnisse zur aktuellen Versorgungssituation und unterstützt die gezielte Optimierung der Behandlung von VTE bei Kindern und Jugendlichen.

MDS-Projektmitglie​d

​Projektpartner

MASLD (09/2024 – 04/2026)

MASLD – Umsetzung des leitlinienempfohlenen Screening-Algorithmus bezüglich einer fortgeschrittenen Leberfibrose bei Patienten mit Fettlebererkrankung infolge einer metabolischen Dysfunktion (MASLD)

Laufzeit: 09/2024 – 04/2026 
Finanzierungsart: Haushaltfinanzierte Forschung​

Projektbeschreibung

Die metabolische Dysfunktion-assoziierte steatotische Lebererkrankung (MASLD) ist mit bis zu einem Viertel der erwachsenen Bevölke​​rung in westlichen Ländern eine der häufigsten Ursachen erhöhter Leberwerte und stellt das Gesundheitssystem vor große Herausforderungen. Nur ein kleiner Anteil der Betroffenen entwickelt bei Fortschreiten der Krankheit eine Leberfibrose oder Zirrhose, was eine gezielte Identifikation von Risikopatient:innen erforderlich macht.

​Ziel des Projektes ist es, zu evaluieren, w​ie gut ein von der internationalen Fachgesellschaft empfohlener, einfacher Screening-Algorithmus zur Früherkennung von schweren Leberschäden bei MASLD-Patient:innen in der klinischen Praxis funktioniert. Hierzu werden retrospektiv Daten von Patient:innen ausgewertet, die seit 2014 an das Universitätsklinikum Leipzig überwiesen wurden. Im Fokus stehen die Analyse des FIB-4-Scores, des FAST-Scores sowie des Lebersteifigkeitswerts als primäre Screening-Instrumente und der weitere klinische Verlauf.

Das Projekt leistet damit einen Beitrag zur Versorgungso​​ptimierung und zur frühzeitigen Identifikation von Patient:innen mit hohem Risiko für schwere Lebererkrankungen.

MDS-Projektmit​glieder

Proj​ektpartner

  • Universitätsklinikum Leipzig, Klinik und Poliklinik für Onkologie, Gastroenterologie, Hepatologie und Pneumologie, Bereich Hepatologie​ (Prof. Dr. Johannes Wiegand, Prof. Dr. Thomas Berg, Dr. Eva Messer)
  • Universitätsklinikum Leipzig, Klinik und Poliklinik für Onkologie, Gastroenterologie, Hepatologie und Pneumologie​, Bereich Gastroenterologie​ (Prof. Dr. Thomas Karlas)
  • ​Universität Leipzig, Zentrum für klinische Studien (Dr. David Petroff)
  • Universität Leipzig, Institut für Laboratoriumsmedizin, Klinische Chemie und Molekulare Diagnostik (Dr. Martin Federbusch)
  • Universität Leipzig, Datenintegrationszentrum (Dr. Thomas Wendt)

Leuko FTLD (09/2024 – 12/2026)

LeukoFTLD

Laufzeit: 09/2024 – 12/2026
Finanzierungsart: Haushaltfinanzierte Forschung​​

Projektbeschreibung

Analyse der weißen Substanz bei FTLD mittels MRT und Deep Learning

Ziel des Projekts ist es, Verände​​​rungen der weißen Substanz im Gehirn bei der frontotemporalen Lobärdegeneration (FTLD) mithilfe von MRT-Bildgebung und Deep-Learning-Verfahren zu untersuchen. Die weiße Substanz besteht aus Nervenfasern, die verschiedene Bereiche des Gehirns verbinden; Schäden in dieser Struktur können Gedächtnis-, Sprach- oder Verhaltensprobleme verursachen.

Im Zentrum der Untersuchung steht die Identifikation von Mustern, die mit bestimmten Krankheitsformen oder -ausprägungen (Phänotypen) assoziiert sin​d. So sollen mögliche Überschneidungen oder Zusammenhänge mit Leukodystrophien erkannt werden—seltenen genetischen Erkrankungen der weißen Substanz.

​Zusätzlich wird die HeteroMRI-Methode erprobt, um MRT-Daten des F​TLD-Konsortiums basierend auf den Anomalien der weißen Substanz zu klassifizieren. Langfristiges Ziel ist es, neue diagnostische Ansätze zu entwickeln und das Verständnis der zugrunde liegenden Krankheitsmechanismen in dieser heterogenen Erkrankungsgruppe zu vertiefen.

MDS-Mitgl​​ieder

Projektpartner

  • Universitätsklinikum Leipzig, Klinik und Poliklinik für Neurologie​ (Dr. med. Wolfgang Köhler)
  • Max-Planck-Institut für Kognitions- und Neurowissenschaften des Menschen (Prof. Dr. med. Dr. phil. Matthias Schroeter, Dr. Qiong Wu)
  • Abteilung für Neurologie, Medizinische Universität Wien, Österreich (Dr. Markus Ponleitner)

Ergebniss​​​​e

N/A

Publikationen

  • Wu, Q., Ponleitner, M., Shekarchizadeh, N., Mueller, K., Zhang, X., Anderl-Straub, S., Danek, A., Diehl-Schmid, J., Fassbender, K., Fliessbach, K., Kornhuber, J., Jahn, H., Kassubeck, J., Lauer, M., Levin, J., Prudlo, J., Synofzik, M., Wiltfang, J., Weishaupt, J., FTLD Consortium Germany, Otto, M., Köhler, W., & Schroeter, M. L., Prevalence of white matter hyperintensities varies across the frontotemporal lobar degeneration & Alzheimer’s disease spectrum: A multicenter study. Manuskript in Einreichung.

Private AIM (04/2023 – 03/2027)

PrivateAIM — Privacy-Preserving Analytics In Medicine

Laufzeit: 04/2023 – 03/2027
Finanzierungsart: Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR)

Projektbeschreib​ung

PrivateAIM verfolgt das Ziel, im Rahmen der Medizininformatik Initiative (MII​) eine föderierte Plattform zur Analyse medizinischer Daten zu entwickeln. Dabei ist die Verarbeitung von Patient:innendaten ohne deren ausdrückliche Zustimmung in den Datenintegrationszentren der MII-Partn​​er nur zulässig, wenn die Anonymität der Betroffenen gewahrt bleibt.

Um diese Herausforderung zu bewältigen, vereint PrivateAIM Expertise aus den Bereichen föderierte Datenanalyse und innovative Datenschutzkonzepte. Derzeit erfüllen verfügbare Methoden die Anforderungen an Datenschutz und Datensicherheit nicht vollständig. Deshalb arbeitet PrivateAIM daran, d​iese Verfahren durch multimodale Datenfunktionen, umfassende Analyseoptionen und eine verteilte Infrastruktur zu erweitern, die die Überwachung, Kontrolle und Einhaltung hoher Datenschutzstandards gewährleistet.

Mit diesem innovativen Ansatz leistet PrivateA​​​IM einen bedeutenden Beitrag zur medizinischen Forschung und trägt langfristig dazu bei, die Versorgungsqualität zu verbessern.

Weitere Inform​ationen zum Projekt finden sie hier​.

MDS-Projektmitgl​ieder

​Proje​ktpartner

  • Universitätsmedizin Berlin (Charité) (Prof. Dr. Fabian Prasser)
  • Helmholtz-Zentrum für Informationssicherheit (CISPA) (Prof. Dr. Mario Fritz)
  • Deutsches Krebsforschungszentrum (DKFZ) (Dr. Ralf Omar Floca)
  • Eberhard Karls Universität Tübingen (EKUT) (Prof. Dr. Nico Pfeifer)
  • Ludwig-Maximilians-Universität München (LMU) (Prof. Dr. Ulrich Mansmann)
  • TMF – Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V. (Dr. Sebastian Claudius Semler)
  • Technische Universität München (TUM) (Prof. Dr. Daniel Rückert)
  • Universitätsklinikum Erlangen (UKER) (Prof. Dr. Thomas Ganslandt)
  • Universitätsklinikum Freiburg (UKFR) (Prof. Dr. Harald Binder)
  • Universitätsklinikum Heidelberg (UKHD) (Prof. Dr. Christoph Dieterich)
  • Universität zu Köln (UKK) (Prof. Dr. Oya Beyan)
  • Universitätsklinikum Tübingen (UKT) (Prof. Dr. Oliver Kohlbacher)
  • Universitätsklinikum Ulm (UKU) (Prof. Dr. Hans Kestler)
  • Universitätsklinikum Mannheim, Universität Heidelberg (Prof. Dr. Martin Lablans)
  • Universitätsklinikum Essen (UKE) (Dr. Michael Kamp)
  • Universitätsklinikum Schleswig-Holstein (UKSH) (Prof. Dr. Björn Schreiweis)

​Ergebn​​isse

​Bild 1: Überblick über die FLAME Architektur (​Quelle​)

Erstes Ergebnis ist die Entwicklung einer föderierten Plattform zur Analyse medizinischer Daten namens FLAME. Diese Plattform lässt sich grob in eine zentrale Komponente, den sogenannten H​​ub, und mehrere dezentrale Komponenten, die sogenannten Knoten, unterteilen. ​​Ein User startet eine Analyse über den Hub, der daraufhin ein Bild erstellt und es an alle beteiligten Knoten verteilt. Ein Knoten ist Teil der Infrastruktur eines Krankenhau​ses und hat Zugriff auf Patientendaten, sodass diese Daten für die Analyse verwendet werden können. Die Ergebnisse werden aggregiert und an den Hub zurückgesendet, wo sie dem Analysten zur Verfügung gestellt werden. Beispiele und weitere Informationen zur FLAME-Plattform finden Sie hier​.​

​Das Projekt PrivateAIM ist derzeit ​​laufend und soll voraussichtlich bis 2027 fortgesetzt werden. Ergebnisse werden zukünftig aktualisiert.

Publi​​​kationen

  • Welten S, de Arruda Botelho Herr M, Hempel L, Hieber D, Placzek P, Graf M, Weber S, Neumann L, Jugl M, Tirpitz L, Kindermann K, Geisler S, Bonino da Silva Santos LO, Decker S, Pfeifer N, Kohlbacher O, Kirsten T A study on interoperability between two Personal Health Train infrastructures in leukodystrophy data analysis. Sci Data 11, 663, 2024. Read Paper​.
  • Herr, M., Graf, M., Placzek, P., König, F., Bötte, F., Stickel, T., Hieber, D., Zimmermann, L., Slupina, M., Mohr, C., Biergans, S., Akgün, M., Pfeifer, N., & Kohlbacher, O. (2022)
  • Bringing the Algorithms to the Data - Secure Distributed Medical Analytics using the Personal Health Train (PHT-meDIC). arXiv (Cornell University). Read Paper
  • Ziller, A., Trask, A., Lopardo, A., Szymkow, B., Wagner, B., Bluemke, E., Nounahon, J., Passerat-Palmbach, J., Prakash, K., Rose, N., Ryffel, T., Reza, Z. N., & Kaissis, G. (2021). PySyft: A Library for Easy Federated Learning. In Springer eBooks (pp. 111–139). Read Paper
  • Kaissis, G., Ziller, A., Passerat-Palmbach, J., Ryffel, T., Usynin, D., Trask, A., Lima, I., Mancuso, J., Jungmann, F., Steinborn, M., Saleh, A., Makowski, M. R., Rueckert, D., & Braren, R. (2021). End-to-end privacy preserving deep learning on multi-institutional medical imaging. Nature Machine Intelligence, 3(6), 473–484. Read Paper
  • Prasser, F., Kohlmayer, F., Lautenschläger, R., & Kuhn, K. A. (2014). ARX - A comprehensive tool for anonymizing biomedical data. In AMIA Annual Symposium Proceedings (Vol. 2014, p. 984). American Medical Informatics Association. [Washington DC, 15.-19. November 2014: AMIA Annual Symposium, 2014] Read Paper
  • Wirth, F., Meurers, T., Johns, M., & Prasser, F. (2021). Privacy-preserving data sharing infrastructures for medical research: systematization and comparison. BMC Medical Informatics and Decision Making, 21(1). Read Paper​
  • Scherer, J., Nolden, M., Kleesiek, J., Metzger, J., Kades, K., Schneider, V., Bach, M., Sedlaczek, O., Bucher, A. M., Vogl, T. J., Grünwald, F., Kuhn, J., Hoffmann, R., Kotzerke, J., Bethge, O. T., Schimmöller, L., Antoch, G., Müller, H., Daul, A., . . . Maier-Hein, K. H. (2020). Joint Imaging Platform for Federated Clinical Data Analytics. JCO Clinical Cancer Informatics, 4, 1027–1038.

DiaClusT (01/2023 – 12/2026)

DiaClusT - Klassifikation und Validierung von Subphänotypen von Diabetes mellitus Typ 2​

Laufzeit: 01/2023 – 12/2026 
Finanzierungsart: Haushaltfinanzierte Forschung​

Projektbeschreibung

Diabetes mellitus (DM) ist eine auf Insulinresistenz oder -mangel beruhende Stoffwechselerkrankung, die sich durch einen chronisch erhöhten Blutzuckerspiegel kennzeichnet und mit einem erhöhten Risiko für schwere Begleit- und Folgeerkrankungen einhergeht. Es existieren zwei Hauptformen, DM Typ 1 und Typ 2. Letztere kann stark heterogene Ausprägungen aufweisen, sodass eine verfeinerte Klassifikation zur individuelleren Behandlung von Risikopatienten mit einem potentiell schlechteren stationären Outcome beitragen kann. Mithilfe von DiaClusT sollen die publizierten Ergebnisse einer Clusteranalyse von Ahlqvist et al. [2018, The Lancet Diabetes & Endocrinology] validiert und an deutschen Kohorten verifiziert werden. Dazu wurden die Daten aus dem Universitätsklinikum Leipzig über die neu geschaffene Struktureinheit, das Datenintegrations­zentrum, sowie über das Forschungsdatenportal Gesundheit beantragt.

MDS-Projektmit​glieder

Proj​ektpartner

  • ​Universität Leipzig, Prof. Dr. med. Thomas Ebert ​

​Ergebnisse

​​​​​​​​​​Die Daten werden aktuell aufbereitet. Auswertung und Publikationen sind für 2026 geplant.

MII-Academy (01/2023 – 12/2026)

​MII-Academy

Laufzeit: 01/2023 – 12/2026
Finanzierungsart: Haushaltfinanzierte Forschung​

Projektbeschreibu​ng

Die Medizininformatik-Initiative (MII) zielt darauf ab, Daten aus der Krankenversorgung der medizinischen Forschung zugänglich zu machen. Medizinische Fragestellungen werden oftmals von klinisch tätigen Wissenschaftlerinnen und Wissenschaftlern (Clinician Scientists) erarbeitet. Die MII-Academy hat zum Ziel, Clinician Scientists mit den MII-Infrastrukturen, den aufgebauten Services und den etablierten Nutzungs­prozessen bekannt zu machen sowie weitergehendes Hintergrundwissen und Handlungsempfehlungen zu vermitteln. Die einzelnen Module der MII-Academy sind in fünf Themenbereiche zusammengefasst. Didaktisch ist die MII-Academy mit dem Modulkonzept in kleine Lehr- und Lerneinheiten gegliedert, die vorrangig über Videoformate transportiert werden. Damit ist es den Clinician Scientists möglich, die Inhalte nach eigenem Bedarf auszuwählen, sie online zeit- und ortsunabhängig mehrfach zu nutzen sowie im Bedarfsfall nachzuschlagen. Zum Ende 2025 enthält die MII-Academy mehr als 40 Lerneinheiten.

Den Link zu Anmeldung bei der MII-Academy finden sie hier.

MDS-Projektmitglie​d

​Projektpartner

  • Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE)​, Universität Leipzig, Prof. Dr. Markus Löffler, Dr. Wolf Oehrl
  • LIFE Forschungszentrum, Universität Leipzig, Dr. Matthias Nüchter, Cornelia Dolling, Julia Jesser, Corinne Besenius​
Ergebnisse

Mehr Informationen zum Aufbau und zu den Inhalten der MII-Academy.​

Tag–White (12/2021 – 12/2026)

Tag–White - Bioinformatik-Pipelines zur Differenzierung von Leukodystrophie-Subtypen

Laufzeit: 12/2021 – 12/2026
Finanzierungsart: Sächsisches Staatsministerium für Wissenschaft, Kultur und Tourismus (SMWK), Sächsische Aufbaubank (SAB)

Projektbeschreibung

Leukodystrophien sind eine Gruppe seltener Erkrankungen mit etwa 50–60 Subtypen, die sich in Symptomatik sowie Diagnostik und Therapie unterscheiden. Die Differenzierung ist meist spezialisierten medizinischen Expert:innen vorbehalten und erfordert eine genetische Analyse des Patient:innengenoms. Im Projekt werden Analysepipelines entwickelt, die genetische Varianten mit privaten und öffentlich verfügbaren Annotationen integrieren. Ziel ist die Unterstützung der Expert:innen am Myelin-Zentrum des Universitätsklinikums Leipzig bei der Eingrenzung von Subtypen bei neu diagnostizierten Leukodystrophie-Patient:innen. Ergänzend wird ein kürzlich entwickeltes Deep-Learning-Verfahren eingesetzt, um MRT-Aufnahmen des Gehirns auszuwerten. Dadurch sollen Leukodystrophien von anderen Differenzialdiagnosen abgegrenzt werden. Die Arbeiten erfolgen in enger Zusammenarbeit mit internationalen Partnern in Barcelona (Prof. A. Pujol, IDIBELL) und Montreal (Prof. G. Bernard, McGill University).

MDS-Mitgl​​ieder

Projektpartner


​​

Abgeschlossene Projekte:

zur Übersichtsseite​



Liebigstraße 18, Haus B
04103 Leipzig
Telefon:
0341 - 97 10283
Map