In-silico-Medizin

Der Begriff der In-silico-Medizin findet sich in Initiativen wie dem Virtual Physiological Human der Europäischen Kommission und in Instituten wie dem VPH Institute und dem INSIGNEO Institute an der Universität Sheffield wieder.

Die In Silico Oncology Group (ISOG) am Institut für Kommunikations- und Computersysteme des Nationalen Technischen Instituts Athen (ICCS-NTUA) hat sich zum Ziel gesetzt, klinisch orientierte Multiskalen-Simulationsmodelle von bösartigen Tumoren (Krebs) zu entwickeln, die nach Abschluss der klinischen Anpassung und Validierung als patientenindividuelle Entscheidungshilfen und Behandlungsplanungssysteme eingesetzt werden sollen. Ein weiteres Ziel der Forschung der Gruppe ist die Simulation onkologischer klinischer Studien, die andernfalls zu kostspielig oder zeitintensiv wären. Zu diesem Zweck wurden Grid-Computing-Infrastrukturen wie die Europäische Grid-Infrastruktur genutzt, um die Leistung und Effektivität der Simulationen zu erhöhen. ISOG war federführend bei der Entwicklung des ersten technologisch integrierten Onkosimulators, einem gemeinsamen europäisch-japanischen Forschungsprojekt.

Im Jahr 2003 wurde der erste Impfstoff entwickelt, der ausschließlich auf genomischen Informationen basiert. Die Technik zur Entwicklung des Impfstoffs, die als „umgekehrte Vaccinologie“ bezeichnet wird, verwendet die genomischen Informationen und nicht die infektiösen Bakterien selbst, um den Impfstoff zu entwickeln.

Im Dezember 2018 wurde das vierjährige PRIMAGE-Projekt gestartet. Dieses von der EU finanzierte Horizont-2020-Projekt schlägt eine Cloud-basierte Plattform zur Unterstützung der Entscheidungsfindung bei der klinischen Behandlung bösartiger solider Tumore vor. Sie bietet Vorhersageinstrumente zur Unterstützung von Diagnose, Prognose, Therapiewahl und Behandlungsnachverfolgung, die auf der Verwendung neuartiger bildgebender Biomarker, In-silico-Tumorwachstumssimulationen, fortschrittlicher Visualisierung von Vorhersagen mit gewichteten Konfidenzwerten und auf maschinellem Lernen basierender Umsetzung dieses Wissens in Vorhersagen für die relevantesten, krankheitsspezifischen klinischen Endpunkte basieren.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.