Motivation
Big-Data-Analytik hat das Potenzial, diagnostische Patientendaten mit elektronischen Gesundheitsdaten zu kombinieren, um die Versprechen der Präzisionsmedizin zu erfüllen. Mit diagnostischen Biomarker-Analysen können personalisierte Krankheitsmechanismen identifiziert werden, um eine Krankheit effizient zu behandeln. Big Data und KI sind essentielle Technologien, um das Risiko zu identifizieren, dass eine Person eine Krankheit entwickelt und hier zu intervenieren. Studien zu Mikroorganismen im menschlichen Darm (Mikrobiom-Studien) haben bereits wichtige Erkenntnisse über grundlegende Ursachen von Krankheitsrisikofaktoren geliefert, sind jedoch in jüngerer Zeit an einem Engpass angelangt, da anspruchsvollere Methoden und eine größere Datenmenge benötigt werden, um komplexe mikrobiomische Interaktionen zu entschlüsseln und bekannte Umweltfaktoren wie Ernährung, Lebensstil und chronische Krankheiten zu berücksichtigen.
Ziele und Vorgehen
Die Digitalisierung des Gesundheitswesens birgt jedoch auch Risiken für die Sicherheit sensibler klinischer Daten, die in der kritischen IT-Infrastruktur des Gesundheitswesens gespeichert sind. Insbesondere der Datenaustausch über das Internet ist problematisch und stellt ein Hindernis für Big-Data-basierte medizinische Innovationen dar.
Innovationen und Perspektiven
Im Rahmen von FeMAI werden Mikrobiom-basierte maschinelle Lernmodelle für die Vorhersage des menschlichen Gesundheitszustands erarbeitet und datenschutzkonform analysiert. Lokale Merkmale von Gesundheitsdaten werden extrahiert und als Parameter weitergegeben, die nicht mehr auf einzelne Patienten zurückgeführt werden können. Dadurch können die Datenschutzanforderungen erfüllt und der dringend benötigte Zugang zu Big Data und KI in der Gesundheitsforschung ermöglicht werden. FeMAI ebnet den Weg für eine erfolgreiche und langfristige Zusammenarbeit zur Analyse von Gesundheitsdaten in Frankreich, Deutschland und der EU.