Forschungseinheit für Eingehende Digitale Phänotypisierung

Die Digitalisierung des Gesundheitswesens führt zu einem tiefgreifenden Wandel in der Charakterisierung und im Monitoring von Erkrankungen und Bevölkerungen. Sie ermöglicht eine stärker personalisierte Gesundheitsversorgung, da individuelle physiologische und kontextuelle Besonderheiten einer Person berücksichtigt werden können. Um einen weiteren Schritt in Richtung Präzisionsmedizin zu gehen, müssen innovative Studienmodelle und Ansätze entwickelt werden, die digitale, biologische, klinische und Omik-Daten einbeziehen. Alle diese Daten würden eine genauere Charakterisierung von Erkrankungen und Bevölkerungen ermöglichen.  

Ich arbeite gerne an der Schnittstelle zwischen digitaler Epidemiologie, Datenwissenschaft und klinischer Forschung. Für mich besteht die größte Herausforderung darin, innovative Ansätze zu entwickeln, bei denen digitale Daten mit anderen omics, biologischen und klinischen Daten kombiniert werden, um die Patienten umfassend zu charakterisieren.

Guy Fagherazzi, PhD, Group Leader Deep Digital Phenotyping Research Unit, Director, Department of Health

Digitalisierung von klinischer und epidemiologischer Forschung 

• Digitale Kohorten: Entwicklung großer, internationaler und digitaler Kohortenstudien, die mit einem Monitoring der Teilnehmer mithilfe digitaler Lösungen arbeiten (Smartphone-App, Web-Plattform, vernetzte Geräte…). 
• Remote-Patientenüberwachung, ePROs: Überwachung von Patienten zwischen klinischen Untersuchungen, Verfolgung der von Patienten berichteten Outcomes und Erfassung von realen Daten. 
• IT-Infrastruktur: eigene interne Entwicklung sicherer Web-Plattformen, Cloud-basierter Data Lakes und Smartphone-Apps für die Forschung. 

Einbindung von Patienten und Öffentlichkeit 

• Patientenzentrierte Forschung: Nutzung digitaler Technologien, um Forschung „mit“ oder „von“ Patienten/Studienteilnehmern statt „über“ sie zu betreiben. 
• Innovative Methoden zur Verbesserung der Teilnahme an Studien: gemischte Methoden, qualitative Ansätze, Aufzeichnungen zur Verbesserung der Teilnahmerate und Minimierung von Schwund.  

Geräte, digitale Daten und Biomarker 

• Stimme: Identifizierung der vokalen Biomarker von Emotionen, psychologischen Faktoren oder klinischen Behandlungsergebnissen für Patientenüberwachung, Diagnose oder die Erkennung einer Hochrisikopopulation. 
• Vernetzte Geräte (Aktivitätstracker, Beschleunigungsmesser, Medikamentenboxen…): Einsatz digitaler Tools zur Erfassung relevanter Daten über Lebensstil, klinischen Faktor oder Hauptbiomarker mit begrenzter Belastung für die Patienten/Nutzer. 
• Soziale Medien: Social Media Listening, um ein besseres Verständnis einer untersuchten Bevölkerung im realen Leben (Wahrnehmungen, Überzeugungen, Sorgen…) oder für die Pharmakovigilanz (Nebenwirkungen, schwache Signale…) zu gewinnen. 

Methoden 

• Datengetriebene und KI-basierte Ansätze: Kombination von hypothesengetriebenen mit datengetriebenen Analysen von Kohorten- oder klinischen Studiendaten (Clusterbildungsmethoden, Vorhersage). 
• Deep Digital Phenotyping: Kombination heterogener Quellen digitaler, klinischer, biologischer und Omik-Daten, um eine tiefgehende Charakterisierung von Personen und Erkrankungen zu erreichen. 
• Digitale Zwillinge: virtuelle Patienten/Personen mit ähnlichen oder nahekommenden Merkmalen wie Patienten, die in eine Sprechstunde kommen und deren Gesundheitsstatus, Komplikationsrisiken und Krankheitsverläufe bekannt sind.