Projektbeschreibung

Kernelemente der ärztlichen Versorgung von Patient*innen sind eine Diagnose und die darauf aufbauende Therapie. Kränkere Patient*innen von weniger Kranken oder Patient*innen mit schlechterer von denen mit besserer Prognose unterscheiden zu können, gehört zu den grundständigen ärztlichen Fertigkeiten, die von zentraler Bedeutung sind, wenn es beispielsweise darum geht, Therapiestrategien zu intensivieren oder zu verändern.

Bilddaten gehören in der Kardiologie zu den zentralen Instrumenten der Diagnostik der Patient*innen, um genau diese Unterschiede besser herauszuarbeiten. Traditionell werden aus den erhobenen Bilddaten einfache, häufig messbare Werte herausgelesen, die dann in der Folge in die klinischen Entscheidungen und Therapiestrategien eingehen. Gerade Bilder mittels MRT des Herzens bieten eine hohe Dichte and zeitlicher und räumlicher Information, sodass gerade diese Bilder das Potenzial bieten, aus ihnen mehr abzuleiten als traditionelle Messwerte.

Mittels künstlicher Intelligenz (KI) kann aus erhobenen Bildern mehr erkannt werden. Ebenso können Algorithmen lernen Bilddaten von Patienten mit anderen Daten dieser Patienten, wie Erkrankungen, Krankenhausaufenthalte oder Todeszeitpunkte mit genau diesen Bilddaten assoziiert sind. Je besser man den Algorithmus der Daten trainiert, desto besser ist er auch darin, korrekt klinische Ereignisse wie Tod oder Krankenhausaufenthalte zu prognostizieren.

Die Observationsstudie BeLOVE, welche Patient*innen mit einem deutlich erhöhten kardiovaskulären Risikoprofil, bietet die Möglichkeit in einem bedeutenden Maß Herz-MRT-Daten auszuwerten und damit ein Prognosemodell zur Risikostratifizierung von Kardiologie-Patient*innen zu entwickeln sowie zu validieren.
Die Entwicklung und Überprüfung auf die Verlässlichkeit eines solchen KI-Ansatzes zur Prognosebeurteilung von Patient*innen ist das Hauptziel dieses Forschungsvorhaben

Das Belove Projekt wird durch das Deutsche Zentrum für Herz-Kreislauf-Forschung e.v. (DZHK) gefördert und vom Projektleiter Dr. med. Djawd Hashemi korrdiniert.

Förderkennzeichen

• 81X3100220

Laufzeit des BELOVE Projekts

• Dezember 2022 - November 2023

Projektbeschreibung

Ziel des FLOTO Projektes ist der Aufbau eines Federated Learning Konsortiums zur Bearbeitung einer klinischen Fragestellung hinsichtlich TAVI Prothesenselektionen unter Einbeziehung von 9 Kliniken aus 7 DZHK-Standorten und dem Universitätsklinikum Heidelberg. Neuartige Konzepte des Förderierten Lernens (FL) vollziehen ein dezentrales Trainieren von Neuronalen Netzen ohne dass die zugrundeliegenden Daten die einzelnen Standorte verlassen müssen (Datenhoheit verbleibt an den Standorten; Möglichkeit der Nutzung von Reproduzierbarkeitskohorten, die ein breites Spektrum an Patientencharakteristika und Aufnahmetechnik abbilden). Im Rahmen des Projektes soll ein erster Meilenstein hinsichtlich Datenaufbereitung von über 13.000 verfügbaren Patientendatensätzen und Implementierung einer Test-Architektur erreicht werden.

Frau Prof. Dr. Anja Hennemuth ist zusammen mit Herrn Priv.-Doz. Dr. med. Simon Sündermann Projektleiter seitens der Charité - Universitätsmedizin Berlin und wird von der wissenschaftlichen Mitarbeiterin des Instituts, Nina Krüger, unterstützt. Das Forschungsprogramm wird durch Frau Jun. Prof. Dr. Sandy Engelhardt aus der  Universitätsklinik Heidelberg koordiniert. Das Deutsche Zentrum für Herz-Kreislauf-Forschung e.v. (DZHK) ist seit 2022 Forschungsträger.

Erfahren Sie mehr zum Projekt - Jahresbericht 2021.

Förderkennzeichen

• 81X1100226

Laufzeit des FLOTO Projekts

•  Januar 2022 - Dezember 2022

Projektbeschreibung

Ziel des multizentrischen Projekt ist die Untersuchung der Eignung von numerischen Simulationsverfahren für die vereinfachte und beschleunigte Zulassung von Medizinprodukten. Verifizierung und Validierung gehören zu den kritischsten Aufgaben im Entwicklungszyklus kardiovaskulärer implantierbarer Geräte und führen zu Rückrufaktionen, die Unternehmen Millionen von Dollar kosten, ihren Ruf ruinieren und den Aktienkurs direkt beeinflussen können. Gleichzeitig werden die klinischen Sicherheits- und Leistungsstandards und die einschlägigen Vorschriften immer strenger. In-silico-Methoden für die Prüfung und Validierung von Medizinprodukten stellen eine vielversprechende Möglichkeit dar, Sicherheit, Wirksamkeit, Zeit- und Kosteneffizienz zu verbessern. Ihre Integration in den Produktzyklus erfordert jedoch die Festlegung vereinbarter Protokolle, Standards und gemeinsamer Ressourcen zwischen Geräteherstellern, Behörden und Regulierungsstellen.
Das SIMCor Projekt zielt darauf ab, eine rechnergestützte Plattform für die In-silico-Entwicklung, Validierung und behördliche Zulassung von kardiovaskulären implantierbaren Geräten zu schaffen.

Das, von der European Commission (EU), geförderte Projekt wird teils neben dem Projektkoordinator, Prof. Dr. med. Titus Kühne und dem Projektleiter an der Charité, Dr. rer. med. Jan Brüning, auch von weiteren 11 Projektpartnern unterstützt. Am SIMCor Projekt arbeiten ebenso die Arbeitspaketleiter des Institus - Prof. Dr. Anja Hennemuth und Prof. Dr. Leonid Goubergrits und werden von den wissenschaftlichen Mitarbeitern, Nina Krüger und Lars Walczak supportet.

Erfahren Sie mehr zum Projekt im Video.

Förderkennzeichen

• 101017578

Laufzeit des SIMCor Projekts

• Januar 2021 - Dezember 2023

Project summary

Charité und Fraunhofer - zwei weltweit anerkannte Forschungseinrichtungen in den Bereichen Medizin, Technik und Künstliche Intelligenz - planen eine erweiterte strategische Kooperation mit dem übergeordneten Ziel, ein gemeinsames Zentrum für KI & intelligente Sensorik an der Charité zu etablieren (Arbeitstitel "CePPH - Center for Particpatory Precision Health"). In dem geplanten Charité-Fraunhofer Center "CePPH" am Standort Berlin sollen innovative, digitale Verfahren und Technologien für die klinische Versorgung unter realen Bedingungen in einem praxisnahen Umfeld erforscht, entwickelt und validiert werden. Im Mittelpunkt steht der klinische Nutzen, verbunden mit dem Ziel, die entwickelten Lösungen direkt in die klinische Routine der Charité zu integrieren. CePPH ermöglicht einen nachhaltigen Weg, direkt aus klinischen Fragestellungen abzuleiten, inwieweit KI eine Verbesserung der Versorgung unterstützen und herbeiführen kann. Die Interaktion zwischen Klinik und Technologie ermöglicht deutlich kürzere Zeiten zwischen dem unmittelbaren klinischen Handlungsbedarf und der Implementierung einer technologischen Lösung.
Das Pilotprojekt "CePPH Pilot" ist zunächst auf zwei Jahre angelegt, um das Ziel schrittweise zu erreichen.
Es umfasst vier Kernbereiche:

1. »Intelligente Data Stewards«: Ermöglicht eine effiziente Datenintegration, Qualitätssicherung und Annotation mit wiederverwendbarer und klinisch eindeutiger Semantik von Daten

2. »Reallabor KI in der Medizin« & »AI Factory«: Unterstützt die qualitätsgesicherte Erhebung und Integration von Realdaten sowie die pros-pektive Anwendung von KI-Lösungen in der klinischen Versorgung

3. Sensorbasiertes Monitoring & automatisierte Therapiesteuerung in der Kardiologie: Erforscht ein sensorbasiertes Verfahren zum Monitoring und zur Computer-gestützten Therpiesteuerung von Patienten mit kardiovaskulären Erkrankungen

4. Patienten-partizipativer KI-gesteuerter, Wissen-generierender Systemansatz: Entwickelt eine Technologie-Plattform zur Nutzung prospektiver, onkologischer Realwelt-Daten und etabliert einen Wissen-generierenden patienten-partizipatorischen Feedback Loop von der Diagnose über die Therapie bis zur Nachsorge am Modellprojekt der adaptiven Therapie von Tumoren des oberen aerodigestiven Trakts

Projektleiter ist Prof. Dr. med. Titus Kühne vom Deutschen Herzzentrum der Charité. Der dritte Teil des CeppH-Pilotprojekts wird von Prof. Dr. Anja Hennemuth geleitet, unterstützt durch den wissenschaftlichen Mitarbeiter des Instituts, Florian Hellmeier, und die wissenschaftliche Mitarbeiterin, Juliana Franz. Prof. Dr.-Ing. Leonid Goubergrits ist ebenfalls an dem CeppH-Pilotprojekt beteiligt.

Laufzeit des CeppH-Pilot Projekts

• September 2022 - November 2024

Das Graduiertenkolleg BIOQIC

In der derzeitigen klinischen Praxis der medizinischen Bildgebung werden diagnostische Entscheidungen oft auf Grundlage qualitativer Bildmarker gefällt, was zu Unsicherheiten in der Diagnosestellung und langen Ausbildungszeiten führt. Das Graduiertenkolleg BIOQIC soll deshalb Doktorandinnen und Doktoranden auf dem Gebiet der Bildgebungswissenschaften darin unterstützen, die biophysikalisch-fundierte, quantitative medizinische Bildgebung zu erforschen, weiterzuentwickeln und in klinischen Pilotstudien anzuwenden. BIOQIC vermittelt die interinstitutionelle und fächerübergreifende Forschung und Lehre im Arbeitsfeld der Bildgebungswissenschaften zwischen grundlagenorientierten Instituten und klinischen Instituten der Charité – Universitätsmedizin Berlin sowie innovativen regionalen Unternehmen. Der Schwerpunkt des Forschungsprogramms liegt auf der bildgestützten Bestimmung von systemunabhängigen, gewebespezifischen, biophysikalischen Kenngrößen, einschließlich gewebemechanischer Parameter, Gefäßstrukturen und skalenübergreifenden Fluss-Kenngrößen.
Das Ausbildungskonzept umfasst 15 Teilprojekte innerhalb der Schwerpunktthemen ‘Fluid Transport’, ‘Tissue Mechanics’ und ‘Tissue Structures’, welche allesamt die quantitative Analyse von Bildmarkern auf der Grundlage multiskalarer Gewebestrukturen von mikroskopischen zu makroskopischen Eigenschaften und deren Repräsentation im medizinischen Schnittbild zum Inhalt haben.
Das Projekt „BIOQIC – BIOphysical Quantitative Imaging Towards Clinical Diagnosis“ wird gemeinsam getragen von der Charité – Universitätsmedizin Berlin sowie der Humboldt-Universität zu Berlin und der Freien Universität Berlin als Sprecherhochschulen. Beteiligt sind ferner die Technische Universität Berlin, das Leibniz-Institut für Molekulare Pharmakologie und die Physikalisch-Technische Bundesanstalt. Schwerpunkt des Forschungsprogramms ist die bildgestützte Bestimmung von systemunabhängigen, gewebespezifischen, biophysikalischen Kenngrößen.

Projektbeschreibung

Aufgrund der dünnen Gewebestruktur und der schnellen Bewegung ist die Analyse von Herzklappen mit der kardialen Bildgebung eine besondere Herausforderung. Die MRT stellt den Goldstandard für die hämodynamische Bewertung der Klappenfunktion dar (Fidock, et al., 2019), während die anatomische Bewertung in der Regel auf der CT basiert und die transösophageale Echokardiographie (3D TEE) für die qualitative Bewertung der Klappenbewegung verwendet wird (Capoulade, Piriou, Serfaty, & Le Tourneau, 2017). Grundsätzlich hat die MRT das Potenzial, Anatomie, Bewegung und Hämodynamik nicht-invasiv zu bewerten, und es wäre sehr wünschenswert, eine umfassende quantitative Bewertung der Herzklappen mit einer Modalität zu ermöglichen (Garg, et al., 2019). Während der Operation wird die Klappe mit endoskopischer Bildgebung in einem entspannten und damit deformierten Zustand dargestellt (Falk & Kuntze, 2017). Eine Quantifizierung wird mit diesen Bildern in der Regel nicht durchgeführt.

Folgende Ziele werden im Projekt verfolgt

• Klappenerkennung in MRT und Echokardiographie zur kombinierten Beurteilung von Anatomie und Hämodynamik zu ermöglichen
• Bewertung der bildbasierten Bewertung von Klappen und Herzmuskel durch Experimente mit Tierherzen
• Evaluierung von Registrierungsverfahren für die prä- und intraprozedurale Bildgebung des Mitralklappenapparats

Die Projektkoordinatoren sind Universitätsprofessor. Dr. Ingolf Sack und Professor Dr. Tobias Schäffter. Frau Prof. Dr. Anja Hennemuth, Principal Investigator,  und Frau Chiara Manini, wissenschaftliche Mitarbeiterin am ICM, arbeiten am Teilforschungsprojekt "Biophysical Multimodal quantitative cardiac valve imaging".
Das Ganze wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert und unterstützt.

Förderkennzeichen

• 289347353

Laufzeit des BIOQIC Projekts

April 2022 - April 2023

Projektbeschreibung

Um die Qualität der Behandlung von Herzklappenerkrankungen zu optimieren, werden in interdisziplinären und standortübergreifenden medizinischen Teams Entscheidungen diskutiert und Strategien entwickelt. Die Analyse von Bild- und Sensordaten spielt eine wichtige Rolle bei der Auswahl der erfolgversprechendsten Therapie. KI-basierte Methoden ermöglichen die Interpretation dieser komplexen Daten, können aber nicht das Erfahrungswissen eines Ärzteteams abbilden. Ein Zusammenspiel von KI-basierter Datenanalyse mit der medizinischen Expertise eines Teams könnte die Therapieplanung und -durchführung verbessern. MINIMAKI arbeitet daher an KI-basierten, patientenspezifischen Modellen zur schnellen Simulation verschiedener Therapieoptionen, um Daten und Methoden für medizinisches Personal und Patienten zugänglich zu machen. Auch Mixed-Reality-Konzepte werden entwickelt, um dem medizinischen Team die Diskussion von Therapieoptionen zu erleichtern. Die entwickelten Konzepte und Softwarelösungen zur Integration von KI in die Datenanalyse optimieren die Auswahl einer Therapie für Herzklappenerkrankungen. Anschließend helfen innovative Interaktionskonzepte mit Mixed Reality dem medizinischen Team, Schwierigkeiten bei der Besprechung, Planung und Durchführung der komplexen chirurgischen Eingriffe zu überwinden. Durch die Kombination dieser Maßnahmen wird die Qualität der Behandlung deutlich verbessert. 

Die Motivation

Zur Optimierung der Behandlungsqualität von Herzklappenerkrankungen werden Entscheidungen in interdisziplinären und standortübergreifenden Ärzteteams diskutiert und Strategien entwickelt. Bei der Auswahl der vielversprechendsten Therapie spielt die Analyse von Bild- und Sensordaten eine wichtige Rolle. KI-basierte Methoden ermöglichen die Interpretation dieser komplexen Daten, können das Erfahrungswissen eines Ärzteteams aber nicht abbilden.

Das MINIMAKI Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und von der Projektkoordinatorin Prof. Dr.-Ing. Anja Hennemuth und der Projektleitung Dipl.-Inf. Markus Hüllebrand, unterstützt. Herr Priv.-Doz. Dr. med. Simon Sündermann und Frau Juniorprof. Dr. Susanne Michl sind ebenfalls Projektleiter seitens der Charité - Universtitätsmedizin Berlin. Neben das Fraunhofer-Institut für Digitale Medizin MEVIS arbeiten auch noch weitere Projektmitglieder des Deutschen Herzzentrums der Charité am Forschungsprojekt. 

Bekannmachung 2019

• Adaptive Technologien für die Gesellschaft – Intelligentes Zusammenwirken von Mensch und KI

Förderkennzeichen

• 16SV8649

Laufzeit des MINIMAKI Projekts

• März 2021 - März 2024

Project summary

Die Multifrequenz-Magnetresonanz-Elastographie (mMRE) misst die Dispersion der Viskoelastizität in Weichteilen und ist damit empfindlich für extrazelluläre Matrix (ECM) und zelluläre mikromechanische Wechselwirkungen. In der ersten Förderphase haben wir mMRE-Techniken entwickelt, die bei verschiedenen Magnetfeldstärken von 0,5 bis 7 Tesla arbeiten, um einen breiten Bereich mechanischer Anregungsfrequenzen für eine umfassende Analyse der viskoelastischen Eigenschaften von normalem und krankem biologischem Gewebe abzudecken. Mit Hilfe dieser innovativen multimodalen mMRE-Technologie haben wir gezeigt, dass der Abbau der ECM aufgrund von Entzündungsprozessen oder der Ansammlung von Faserproteinen mit deutlichen Veränderungen der inneren mechanischen Reibung von Weichgewebe einhergeht. Die mechanische Reibung, die zu einer viskoelastischen Dispersion führt, stellt somit eine empfindliche Sonde für die mMRE-basierte Diagnose dar, die über die Fibrose-bedingte Gewebeversteifung hinausgeht. Erste klinische Versuche zur Quantifizierung der Dispersion durch mMRE wurden bei Patienten mit entzündlichen Darmerkrankungen, Nephritis, Pankreatitis, Hepatitis, Leberfibrose und Krebs durchgeführt. Für die nächste Finanzierungsphase planen wir, die Empfindlichkeit von MRE für viskose Dispersion weiter zu erhöhen, indem wir den dynamischen Bereich von mMRE auf ultraniedrige und ultrahohe Frequenzen erweitern. Wir und andere haben erste Beweise dafür erbracht, dass ultraniedrige Frequenzen in MR.

Das SFB 1340-Projekt der Charité - Universitätsmedizin Berlin wird von dem Projektkoordinator Prof. Dr. Bernd Hamm und Prof. Dr. Ingolf Sack betreut.
Darüber hinaus arbeitet Prof. Dr. Anja Hennemuth als Projektleiterin an dem Forschungsprojekt, wobei sie von der wissenschaftlichen Mitarbeiterin des ICM, Heloise Bustin, tatkräftig unterstützt wird.

Das Forschungsprojekt wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert und wird seit 2018 unterstützt.

Förderkennzeichen

• 372486779

Laufzeit des SFB 1340 Projekts

• Juli 2022 - Juni 2026

Projektbeschreibung

Startpunkt

Herz-Kreislauf-Erkrankungen (CVD) sind weltweit oft die häufigste Todesursache. Das persönliche Profil "klassischer" allgemeiner Risikofaktoren wie Typ-2-Diabetes, Bluthochdruck und Dyslipidämie wird von Algorithmen für die individuelle Vorhersage des Lebenszeitrisikos für Herz-Kreislauf-Erkrankungen und für Prophylaxeentscheidungen für Bevölkerungsgruppen ohne etablierte kardiovaskuläre Erkrankungen verwendet. Eine besondere Hochrisikogruppe sind Personen, die bereits ein akutes kardiovaskuläres Ereignis (CVE) wie ein akutes Koronarsyndrom (ACS), eine akute Herzinsuffizienz (AHF) oder einen akuten Schlaganfall hatten. In der europäischen Bevölkerung hat diese Patientengruppe ein geschätztes 10-Jahres-Risiko von über 10 % für kardiovaskuläre Todesfälle und von über 20 % für wiederkehrende Ereignisse. Jüngste Studien deuten jedoch darauf hin, dass das Risiko bei diesen Patienten erheblich variieren kann, nämlich von <10 % bis >30 %. Überlebende von kardiovaskulären Ereignissen erleiden häufig Rezidive derselben Erkrankung, sind aber auch häufig von anderen Gefäßerkrankungen betroffen. Es überrascht nicht, dass eine optimierte Therapie für eine Herz-Kreislauf-Erkrankung das Risiko, an mehreren Gefäßerkrankungen zu leiden, verringern kann. Eine wirksame kardiovaskuläre Sekundärprävention erfordert eine genaue Risikovorhersage. Im Vergleich zur Primärprävention liegen nur wenige Daten zur Entwicklung von Risikovorhersagemodellen für Patienten mit etablierter CVD vor. Gegenwärtig werden in der klinischen Praxis zur Risikovorhersage nach einem kardiovaskulären Ereignis meist Standardmesswerte für die wichtigsten Risikofaktoren wie Blutdruck, HBA1c oder LDL-Cholesterin verwendet, die jedoch einige Einschränkungen aufweisen. Neue Biomarker könnten eine zentrale Rolle für die Risikovorhersage und die Anpassung der Behandlung spielen. Solche Biomarker und Risikovorhersagemodelle müssen auch die komplexen pathobiologischen Wechselwirkungen berücksichtigen. Eine kürzlich durchgeführte Studie hat gezeigt, dass das langfristige Risiko für ein Wiederauftreten und den Tod nach einem akuten CVD-Ereignis bei den Patienten sehr unterschiedlich ist. Das Risiko bleibt bei einer beträchtlichen Anzahl von Patienten sehr hoch, selbst bei denen, die eine optimale Sekundärpräventionstherapie erhalten. Ein Grund für dieses Ergebnis könnte die zunehmende Multimorbidität bei Patienten mit CVD sein. Während die altersbereinigte Gesamtinzidenz und -mortalität von CVD in den letzten Jahrzehnten zurückgegangen ist, ist der Anteil der CVD-Patienten mit mehreren kardio-metabolischen und nicht-kardialen Begleiterkrankungen deutlich gestiegen. Es ist auch bekannt, dass akute Ereignisse häufig Auswirkungen auf entfernte oder weit entfernte Organe haben, die auf den ersten Blick nicht betroffen zu sein scheinen. Beispiele sind der Zusammenhang zwischen Herzinsuffizienz und Nierenfunktion, kardiale Komplikationen nach einem Schlaganfall oder Wechselwirkungen mit anderen Organen nach einem Schlaganfall. Die Mechanismen des Organ-Crosstalk haben einen starken Einfluss auf das kurzfristige Ergebnis einer akuten Herz-Kreislauf-Erkrankung, während ihre Auswirkungen auf den langfristigen Verlauf weit weniger bekannt sind.
In der Forschung zur Risikovorhersage und zu Strategien der Sekundärprävention haben diese Faktoren noch keine ausreichende Beachtung gefunden. Darüber hinaus ist die Identifizierung gemeinsamer pathologischer Mechanismen, die der vaskulären Dysfunktion von Organen zugrunde liegen, von zentraler Bedeutung, um neue wirksame Interventionsmöglichkeiten zu schaffen. Angesichts dieser Komplexität sollten die Heterogenität und die individuelle Variabilität der Phänotypen und des Verlaufs von CVD berücksichtigt werden. Ein klassischer reduktionistischer Ansatz, bei dem davon ausgegangen wird, dass ein einziger gemeinsamer Phänotyp für eine Gruppe von Personen, die von einer Gefäßerkrankung betroffen sind, repräsentativ ist, kann das Verständnis des Krankheitsmechanismus sowie das Potenzial für individuellere Behandlungen einschränken. Die zur Förderung der personalisierten Medizin vorgeschlagenen Forschungsstrategien sind vielversprechende Methoden zur Überwindung dieser Einschränkungen (siehe Abbildung 1). Grundsätze dieser Ansätze sind die Identifizierung von Biomarkern als individuelle Risikoprädiktoren und die mechanismusbasierte Charakterisierung von Untergruppen von Patienten, die die Entwicklung spezifischerer, personalisierter Behandlungen ermöglichen sollen. Die wichtigsten Methoden sind die tiefgehende Phänotypisierung zur Messung aller Aspekte von Krankheitsmanifestationen, die durch Omics-Technologien und das "Mining" von klinischen und Forschungsdaten mit Hilfe künstlicher Intelligenz ergänzt werden soll.

Das Projekt Bildgestützte personalisierte Vorhersage des Restrisikos und der Prognose von kardio-/ zerebrovaskulären Erkrankungen basierend auf den Mapping-Daten der BELOVE-Studie wird im SPP 2177:  Radiomics: Nächste Generation der Medizinischen Bildgebung ab 2023 für 3 Jahre durch die Deutsche Forschungsgemeinschaft (DFG) gefördert. Die Professorinnen Frau Prof. Dr. Anja Hennemuth, Frau Univ. Prof. Dr. Jeanette Schulz-Menger und Frau Dr. Kersten Villringer leiten und betreuen das Forschungsprojekt gemeinsam. Eine weitere große Unterstützung ist die Arbeit von der wissenschaftlichen Mitarbeiterin des ICM, Frau Ann Laube.

Förderkennzeichen

• 515294457

Laufzeit des Radiomics Projekt

• Mai 2023 - April 2024

Projektbeschreibung

HFpeF ist ein heterogenes Syndrom, das mit erhöhter Myokardsteifigkeit, Fibrose, Fettansammlung, mikrovaskulärer Dysfunktion, abnormer ventrikulär-aortaler Kopplung und einer Deregulierung des kardialen Energiestoffwechsels in assoziiert wird. Diese Phänotypen des kardialen Remodelings können von der Prädisposition, der Intensität und der Dauer der zugrunde liegenden Auslöser abhängen. Die kardiovaskuläre Magnetresonanztomographie (CMR) ist der derzeitige Goldstandard für die Beurteilung von Herzgröße und -funktion sowie Veränderungen des Herzmuskelgewebes wie Fibrose, Entzündungsreaktion und Fettinfiltration. Neue CMR-Ansätze ermöglichen die Quantifizierung des luminalen Blutflusses, der mikrovaskulären Perfusion und der Oxygenierung des Blutes, die Quantifizierung des epikardialen und myokardialen Fetts und der funktionellen Reserve durch die Durchführung eines MR-kompatiblen physiologischen Belastungstests. Während konventionelle Analysemethoden nur einen Bruchteil der durch die CMR gelieferten Daten nutzen, ermöglichen auf künstlicher Intelligenz (KI) basierende Bildanalysen eine umfassendere Berücksichtigung komplementärer CMR-Sequenzen und die parallele Bewertung anderer Organsysteme (Niere, Lunge). Unsere zentrale Hypothese ist, dass innovative CMR-Anwendungen in Kombination mit KI eine bildgebungsbasierte Differenzierung der vorherrschenden HFpEF-Herzpathologien ermöglichen.

Projekt B06

Die Prävalenz der Herzinsuffizienz (HF) nimmt zu, und die Morbidität und Mortalität sind inakzeptabel hoch. Die Diagnose und das klinische Management der HF richten sich derzeit nach der linksventrikulären Auswurffraktion, da die HF mit erhaltener Auswurffraktion (HFpEF) als eine andere Erkrankung angesehen wird als die HF mit reduzierter Auswurffraktion (HFrEF). Für HFrEF wurden Behandlungsstrategien entwickelt, um die Prognose zu verbessern, aber die meisten haben sich bei HFpEF als unwirksam erwiesen, so dass wir immer noch nicht in der Lage sind, spezifische Therapien für diese große Untergruppe von HF-Patienten (~50 %) anzubieten. In diesem CRC verfolgen wir einen interdisziplinären Ansatz, der vom Organismus über das Organ und die Zelle bis hin zum Molekül reicht, um HFpEF als eine systemische und heterogene Störung zu charakterisieren. Unsere zentrale Hypothese ist, dass die Dysregulation systemischer hämodynamischer, metabolischer und entzündlicher Signalwege zu unterschiedlichen HFpEF-Phänotypen mit spezifischen pathophysiologischen Merkmalen beiträgt, die unterschiedlich auf gezielte Therapien ansprechen. Durch den Einsatz unserer Expertise in den Bereichen Multi-omics, fortschrittliche Bildgebung, funktionelle phänotypische Analyse, KI und Modellierung werden wir eine bessere Grundlage für ein umfassendes mechanistisches Verständnis der Erkrankung schaffen, um innovative Therapien für den einzelnen Patienten zu entwickeln.

Wir haben unser Forschungsprogramm auf definierte mechanische, metabolische, entzündliche und immunologische Auslöser, ihre jeweiligen nachgeschalteten Signalwege und spezifische kardiale Reaktionsmuster ausgerichtet. Wir bringen junge und etablierte Grundlagenwissenschaftler und Kliniker mit Fachkenntnissen in translationaler Kardiologie, funktioneller Genomik, Zell- und Molekularbiologie, Systemmedizin, Proteomik, Metabolomik und Bioinformatik zusammen, um eine verbesserte tiefgreifende Phänotypisierung und Klassifizierung von HFpEF in relevanten Tiermodellen und Patienten als Grundlage für eine individualisierte Therapie zu erreichen.

Wir legen Wert auf die Ausbildung der nächsten Generation von Herzinsuffizienz-Forschern und konzentrieren uns dabei auf gute wissenschaftliche Praxis, Chancengleichheit, Patientenbeteiligung und die Grundsätze von 3R, um eine Kultur der Zusammenarbeit, Kommunikation und themenübergreifenden Aktivität zu fördern. Gemeinsam werden wir die Grundlage für ein verbessertes mechanistisches Verständnis und eine Klassifizierung der HFpEF schaffen, die fortschrittliche Bildgebung, Multi-omics und klassische Risikofaktorenanalyse kombiniert und damit die Grundlage für kausale, individualisierte Therapien bildet. Wir sind davon überzeugt, dass unser Ansatz entscheidend dazu beitragen wird, die Behandlung von HFpEF als einem der größten ungedeckten klinischen Bedürfnisse der Medizin zu verbessern.

Die Deutsche Forschungsgemeinschaft (DFG) fördert das Projekt SFB 1470 seit Anfang 2022, zudem nehmen neben unserem Institut für kardiovaskuläre Computer-assistierte Medizin, ebenso das Deutsche Herzzentrum der Charité und die Charité Universitätsmedizin Berlin am Forschungsprogramm teil. Koordiniert wird das Projekt durch Frau Prof. Dr. Anja Hennemuth und Herrn Prof. Dr. Sebastian Kelle. Der Postdoc und wissenschaftliche Mitarbeiter, Herr Dr. rer. nat. Lars Walczak, arbeitet am SFB1340 B06 Projekt.

Förderkennzeichen

• 437531118

Laufzeit des SFB1470 B06 Projekts

• Januar 2022 - Dezember 2022

Projektbeschreibung

Myokarditis ist eine Ursache für schwere Herzinsuffizienz bei Kindern, mit schweren Krankheitsverläufen insbesondere bei Kleinkindern. Die Beobachtung der Daten des prospektiven multizentrischen Myokarditis-Registers für Kinder und Jugendliche "MYKKE" führt zu der Hypothese unterschiedlicher Pathomechanismen in diesen Kohorten, die auch auf unterschiedliche immunologische oder genetische Reaktionen zurückzuführen sein könnten. Leider ist dies noch nicht gut untersucht. Das Konzept dieses Projekts besteht daher darin, eine Risikostratifizierung und Krankheitsverlaufsanalyse bei pädiatrischem Myokarditisverdacht durch die Entwicklung eines Verfahrens der künstlichen Intelligenz (KI) auf der Grundlage von Bildgebungsdaten und statistischer Analyse zu ermöglichen. Das primäre Ziel ist es, Patientengruppen mit unterschiedlichen Phänotypen durch maschinelles Lernen in der Bildanalyse zu definieren und die Zusammenarbeit mit der Abteilung für Medizinische Statistik zu nutzen, um die Bilddaten in eine KI-basierte statistische Analyse zur weiteren Risikovorhersage zu integrieren. Prof. Friede ist auch an der weiteren statistischen Analyse der klinischen Daten der untersuchten Patientenkohorte beteiligt und ist mit dem klinischen Datensatz vertraut. 

Das Projektprogramm Shared Expertise MYKKE wird vom Forschungsträger "Deutsches Zentrum für Herz-Kreislauf-Forschung e.v." seit 2021 gefördert. Am Shared Expertise MYKKE Konzept arbeiten seitens des Deutschen Herzzentrums der Charite (DHZC) die Teilprojektleiterinnen Frau Prof. Dr. Anja Hennemuth und Frau Dr. med. Franzsiksa Seidel und die wissenschaftliche Mitarbeiterin, Frau Léa Ter-Minassian. Das Universitätsmedizin Göttingen wird durch den Institusdirektor für Medizinsche Statistik, Herr Prof. Dr. Tim Friede im Forschungsprojekt vertreten.

Studien 2021

• Studie findet keine Hinweise auf Herzmuskelentzündung nach COVID-19-Erkrankung bei Kindern
• Gendefekte könnten Risiko für schwere Herzmuskelentzündungen im Kindesalter erhöhen

Förderkennzeichen

• 81X2100274

Laufzeit des MYKKE Projekts

• April 2022 - März 2024