Informationen für

Logo VISUS

Visualisierungstool für medizinische Langzeitstudie entwickelt

01.07.15

Hintergründe, Möglichkeiten und Ergebnisse im BMC Bioinformatics Journal veröffentlicht

RenoDoI ist der Name dieser Visualisierungssoftware. Mit diesem eigens entwickelten Werkzeug gelang es Corinna Vehlow, die komplexen Datenmengen einer medizinischen Langzeitstudie so aufzubereiten, dass die Mediziner der Universitätsklinik in Denver wichtige Details über den Therapieerfolg von Herz-Kreislauf-Erkrankungen gewinnen konnten.

Krankheiten besser verstehen und Behandlungen optimieren – das ist das Ziel medizinischer Studien. Darin werden umfangreiche Informationen zu Patienten und ihren Therapien gesammelt. Je mehr Daten berücksichtigt werden, desto konkretere Erkenntnisse können gewonnen werden. Allerdings wird auch deren Auswertung komplizierter und fehleranfälliger.

Um den Umgang mit großen Datenmengen zu erleichtern, werden zunehmend visuelle computergestützte Methoden eingesetzt. Corinna Vehlow, die sich am Visualisierungsinstitut der Universität Stuttgart (VISUS) auf biologische Netzwerke spezialisiert hat, konnte dies im zurückliegenden Jahr in der Universitätsklinik in Denver (USA) beweisen.

Im dort ansässigen medizinischen Zentrum arbeitete die Nachwuchsforscherin in Kooperation mit Kardiologen an der Visualisierung von Daten einer Langzeitstudie über Herz-Kreislauf-Erkrankungen. Die amerikanischen Mediziner wollten in dieser Studie herausfinden, warum spezielle Behandlungen bei manchen Patienten anschlagen und bei anderen nicht. Insbesondere ging es um die Erforschung exakter Zusammenhänge zwischen vorhandenen Genanlagen und der Wirksamkeit diverser Therapieformen bzw. Medikamente. Dazu wurden seit Anfang 2011 in der amerikanischen Uniklinik Daten von rund 50 Patienten mit über 10.000 verschiedenen Genexpressionen gesammelt.

Zur Auswertung dieser enormen Menge vielschichtiger Daten entwickelte die Stuttgarter Visualisierungsexpertin vor Ort eine Software, mit der die genetischen Anlagen und der erzielte Behandlungserfolg in Verbindung gesetzt werden können. Durch Filterung der gemessenen Genaktivitäten und der Informationen zum Patienten, etwa dessen Geschlecht, die Medikamente oder Zusatzkrankheiten, konnten Hypothesen bestätigt und spezielle Gene identifiziert werden, die einen starken Einfluss auf den Erfolg der untersuchten Therapien haben.

Die Hintergründe, Möglichkeiten und Ergebnisse dieser Anwendung wurden jüngst im Fachjournal „BMC Bioinformatics“ publiziert und stehen damit der wissenschaftlichen Gemeinschaft zur Verfügung.

 

Zur Originalpublikation