Chronisch obstruktive Lungenerkrankung (COPD) und Asthma bronchiale (BA) sind die häufigsten nicht übertragbaren Lungenkrankheiten mit erheblichen sozioökonomischen Auswirkungen. Entstehung, Schweregrad und Exazerbationen sind das Ergebnis komplexer Wechselwirkungen zwischen Genen und Umwelt. Die größte Herausforderung auf dem Gebiet der COPD und der BA besteht darin, diesen behandelbaren Merkmalsansatz auf den einzelnen Patienten zu übertragen. Daher ist es das Ziel von CALM-QE, Vorhersagemodelle für wichtige klinische Ergebnisse zu entwickeln, zu trainieren und zu testen, die auf multidimensionalen "Real-World-Datensätzen" für COPD- und BA-Patienten über sektorale Grenzen hinweg basieren. In diesem Kontext wird der Standort Marburg (PUM) eine wichtige Rolle spielen bei der Zurverfügungstellung von Daten stationärer und ambulanter Patientinnen und Patienten der Universitätsmedizin (WP1). Dies ist von besonderer Bedeutung, weil bisher nur stationäre Patientendaten im Rahmen der Medizininformatik-Initiative ausgewertet werden konnten. Mit der Zurverfügungstellung von Datensätzen aus dem ambulanten Setting wird es nicht nur einen besonderen Piloten im Rahmen dieses Konsortiums geben, sondern der auswertbare Datensatz wird damit auch erheblich erweitert werden. Im Rahmen von WP6 wird Marburg seinen lokalen Beitrag leisten, bei der Anwendung von Algorithmen zur digitalen Auswertung von radiologischen Bildern (Thorax-CTs). Dem Standort PUM obliegt es, die Gesamtkoordination des Projektes zu übernehmen. Dies ist in WP8 angesiedelt. Zusammenfassend lässt sich sagen, dass die neuartigen Vorhersagemodelle, die im Rahmen des Projekts aus multidimensionalen großen Datensätzen für klinisch relevante Endpunkte erstellt werden, dem 4P-Medizinansatz (personalisiert, partizipativ, prädiktiv und präventiv) dienen werden.

Freiburg übernimmt eine leitende Position in WP2 (Statistische Modellierung COPD und Asthma) und WP6 (Quantitative bildgebende Verfahren bei Exazerbation der COPD). Darüber hinaus wird Freiburg im Rahmen von WP7 (Datenintegration) die lokale Implementierung von ETL-Strecken für die Bereitstellung und Integration der lokalen COPD- und Asthma-Daten mit zusätzlich benötigten Quelldaten übernehmen. Zudem erfolgt die Bereitstellung der Daten unter Berücksichtigung des Datenschutzes und der lokal geltenden Gesetze und Richtlinien. Während des gesamten Zeitraums wird Freiburg im Rahmen von WP2 alle klinischen WPs (WP1, WP3, WP4, WP5 und WP6) bei der Entwicklung speziell zugeschnittener statistischer Modelle für klinische Ergebnisse, Patientenpopulationen und Risikofaktoren unterstützen und in einem kontinuierlichen alternierenden Prozess die entwickelten Modelle validieren und trainieren. Im Rahmen von WP6 werden sowohl prospektiv als auch retrospektiv Thorax-CT-Daten von Patientinnen und Patienten aufgrund einer Exazerbation der COPD gesammelt, untersucht und mit Patientinnen und Patienten ohne Exazerbation der COPD verglichen. Ziel ist es zusammen mit WP2 auf der Grundlage von neuronalen Netzen und deep learning Methoden typische bildgebende Biomarker bei Exazerbation der COPD zu ermitteln und Endo- und Phänotypisierung genauer zu beschreiben als auch Exazerbationsprognosen zu erstellen, welche mit auffälligen Befunden und a priori Komorbiditäten auf Zusammenhänge untersucht werden.

CALM-QE (COPD und Asthma: longitudinale und sektorübergreifende Real-World-Daten für Machine Learning-Anwendung zur Qualitätsverbesserung und Erkenntnisgewinnung) nutzt die in der Medizininformatik-Initiative des BMBF etablierten Infrastrukturen, um für die Krankheitsbilder COPD und Asthma eine umfassende multimodale und longitudinale realworld-Datenbasis für die Entwicklung von Vorhersage- und Verlaufsmodellen zu schaffen. Der Standort Erlangen koordiniert die Aspekte des Datenmanagements und der Interoperabilität und entwickelt eine Visualisierung longitudinaler Krankheitstrajektorien. Hierzu wird u. a. ein Datenmanagementplan gemäß den FAIR Guiding Principles erstellt und über die Projektlaufzeit fortgeschrieben. Für das Konsortium benötigte neue Datenstrukturen werden mit den Projektpartnern auf Basis von HL7 FHIR spezifiziert und in den Governance-Prozess des Kerndatensatzes der Medizininformatik-Initiative eingebracht. Erlangen koordiniert die Implementierung von Schnittstellen für die Erschließung dieser Daten durch die Partnerstandorte. Für die manuelle Erhebung auf diesem Weg nicht abgedeckter Datenelemente wird ein eCRF-System bereitgestellt. Erlangen koordiniert die Durchführung regelmäßiger Projectathons zur Demonstration der Umsetzung erreichter Teilziele durch die Standorte. Erlangen implementiert auf Basis der erschlossenen Daten und Prädiktionsmodelle eine longitudinale Visualisierung von Krankheitstrajektorien.

Am Universitätsklinikum der Goethe Universität Frankfurt werden für das Projekt die Behandlungsdaten von Patientinnen und Patienten mit Asthma und COPD für Forschungszwecke aufbereitet und nutzbar gemacht. Dabei arbeiten Lungenfachärzte, Kinderärzte, Radiologen und Informatiker zusammen, um relevante Behandlungsdaten zu identifizieren, Patienten klinisch genau zu charakterisieren und die erhobenen Daten so aufzubereiten, dass sie künftig sicher zwischen verschiedenen Standorten harmonisiert zur Beantwortung wichtiger Forschungsfragen herangezogen werden können.

Das UKGi ist an den Arbeitspaketen 1, 6 und 7 beteiligt. In AP1 wird der Grundstein für eine umfassende klinische und diagnostische multidimensionale Datenbewertung von COPD- und Asthma-Patienten gelegt. Darüber hinaus werden klinische Daten mit Daten aus einer der größten prospektiven forschungsgestützten COPD-Kohorten (Cosyconet) verglichen. Es wird ein multidimensionales Vorhersagemodell erstellt, um das Risiko für wichtige klinische Ergebnisparameter vorherzusagen. 1) Entwicklung eines klinischen und diagnostischen Datensatzes für stationäre Patienten mit COPD und Asthma; 2) Ausweitung des Datensatzes auf ambulante Patientinnen und Patienten der Universitätskliniken; 3) Vergleich von klinischen Daten mit Daten aus der Forschungskohorte, Identifizierung von (neuartigen) Phäno- und Endotypen; 4) Definition von klinisch relevanten Phäno- und Endotypen. In AP 6 werden CT-Bilddaten, die während einer akuten Exazerbation aufgenommen wurden, für das Vorhersagemodell zugänglich. Die Rolle der CT bei der Diagnose und Prognose einer akuten Exazerbation ist noch unbekannt. 1) Harmonisierte Datenerfassung an allen Standorten; 2) Sammlung von Daten und Definition der "Bildgebungssignatur" für eine Exazerbation; 3) Analyse von CT-Befunden und Prognosen 4) Integration der Daten in das Risikovorhersagemodell. In AP 7 erfolgt die Integration der CALM-QE-Anforderungen mit den MII-Standards und -Schnittstellen. 1) Datenmanagement gemäß FAIRLeitprinzipien; 2) Angleichung der CALM-QE-Datenstrukturen an den MII-Kerndatensatz; 3) Integration ambulanter Praxisdaten; 4) Harmonisierte Integration von CALM-QE-Daten an DIC-Standorten; 5) Einrichtung eines eCRF-Systems und 6) Angleichung der Datenintegration und Analyseentwicklung durch Projektathons.

Der Standort Mainz ist beteiligt an den WP1, 6 und 7. Für die UM ergeben sich auf Basis des verbundübergeordneten Meilensteinplans insofern insbesondere die nachfolgenden Ziele, zu deren Erfüllung ihre Beteiligung beitragen soll: Phenotype/endotype definition (WP 1, Task 4 (T4)), Integration of CT imaging data into prediction model (WP 6, T4), Implementation lung function data (WP 7, T2), Implementation wearable sensor data (WP 7, T2 continued), Implementation weather data (WP 7, T2 continued), Implementation environmental data (WP 7, T2 continued) und Implementation ambulatory practice data (WP 7, T3).

Die Charité leitet in diesem Projektverbund das Teilprojekt 4 (TP4). Dieses zielt darauf ab eine wesentliche Lücke zwischen stationärer und ambulanter Versorgung zu schließen, die personalisierte Intervention zu optimieren und damit das Risiko für stationäre Einweisungen zu reduzieren. In diesem TP wird der Gesundheits- und Aktivitätszustand einzelner Patientinnen und Patienten durch intelligente Wearables kontinuierlich überwacht. Die ausgelesenen Daten werden mit Umweltdaten wie Ozon- oder Feinstaubbelastung sowie mit Daten aus der ambulanten Patientenversorgung integriert. Ergänzt werden diese Daten durch zusätzlich erhobene molekulare Daten, die helfen sollen, die Pathophysiologie von langfristig stabilen und instabilen Asthma-/COPD-Patienten zu charakterisieren. Durch die Zusammenführung dieser Datenquellen in die Datenmodellstrukturen und die Infrastruktur der Medizininformatik-Initiative wird sichergestellt, dass diese zusätzlichen Daten effizient und optimal für die Überwachung der Patientengesundheit und für die Empfehlung personalisierter Interventionen genutzt werden können.

Die Medizinische Hochschule Hannover übernimmt in Arbeitspaket AP5 die Leitung. AP5 wird multidimensionale klinische und diagnostische Daten von Kindern und Erwachsenen, die in AP7 extrahiert werden, mit pädiatrischen Biosignalen über Wearables, wie in AP4 beschrieben, verknüpfen, um Einblicke in Aspekte zu gewinnen, die spezifisch für Asthma bronchiale bei Kindern sind. Ähnlich wie bei AP1 wird zusammen mit AP2 ein multidimensionales Vorhersagemodell erstellt, dass allgemeine vs. altersspezifische behandelbare Risikofaktoren identifizieren soll. Hannover beteiligt sich zudem an AP1, AP6, und AP2 und AP7, indem Daten zu Verfügung gestellt und ausgewertet werden (AP1 und AP6) sowie pädiatrische Expertise für die Analysen und Modellierung zur Verfügung gestellt werden (AP2 und AP7).

Mithilfe von CALM-QE wird die personalisierte Medizin im Bereich Asthma und COPD vorangetrieben, indem die Vielzahl an Einflussfaktoren und ihre Interaktionen untersucht werden und somit ein besseres Verständnis dafür geschaffen wird. Hierfür werden Patientendaten, Daten aus der Umwelt und Echtzeit-Daten über SmartWatches erhoben. Gemeinsam mit UKFR, der Universität Nürnberg und der Universität Hamburg verfolgt der Standort Ulm das Ziel, statistische Modelle zur Mustererkennung und Risikoabschätzung für Asthma und COPD zu entwickeln.

Asthma und COPD sind die häufigsten, nicht-infektiösen chronischen Erkrankungen der Lunge. Neben der Krankheitsbelastung für die Betroffenen und ihre Familien verursachen sie hohe soziale und wirtschaftliche Kosten. Ziel ist es, Daten aus der Krankheitsversorgung für die Forschung nutzbar zu machen. Das Besondere an diesem Projekt: es werden Daten aus der normalen Krankenversorgung verwendet, so genannte "Real-World-Data", und bilden somit die Versorgungsrealität ab. Gleichzeitig werden alle Patienten mit dem jeweiligen Krankheitsbild berücksichtigt, es findet somit keine Auswahl und somit auch kein Ausschluss von Patienten statt. Die Ziele des Teilvorhabens am Standort bestehen in der Bereitstellung und Analyse der klinischen und diagnostischen Datensätze von Patientinnen und Patienten mit COPD und Asthma, der Integration von Privatpraxen und dem Vergleich mit der COPD-Kohorte COSYCONET. Weiterhin beteiligt sich die UdS an der Identifizierung neuer Phänotypen und Endotypen. Die UdS ist dabei an den WP 1 University medicine: access to and use of in-and outpatients’ data, und WP 3 Outpatient data from private practice and cross-sectorial longitudinal patient follow up beteiligt.

Obstruktive Atemwegserkrankungen gehören zu den häufigsten chronischen Erkrankungen im Kindes- und Erwachsenenalter. Dazu gehören das Asthma bronchiale und die chronisch obstruktive Atemwegserkrankung (COPD). Beides sind Erkrankungen, die sich durch eine erhebliche Heterogenität der Patienten auszeichnen. In den letzten Jahren haben sich in klinischen Studien bei der Behandlung der Patientinnen und Patienten zunehmend Ansätze der personalisierten Medizin durchgesetzt, bei der die Patienten basierend auf bestimmte Charakteristika therapiert werden. Die Übertragung dieser behandelbaren Merkmale in den individuellen Patientinnen und Patienten ist aber komplex und in der täglichen Routine bisher ungenügend implementiert. Zentrale Ziele von CALM-DE sind daher die Entwicklung, Optimierung und Testung von prädiktiven Modellen für klinisch relevante Endpunkte basierend auf "Real-World" Datensätzen für Patienten mit COPD und Asthma. Der Standort Essen übernimmt dabei die Koordination des Projektes sowie die Analyse der dort gewonnenen Datensätze. Als weiterer Schritt ist geplant eine prospektive Kohorte von Patientinnen und Patienten an den Standorten Essen, Marburg und Homburg/Saar zu rekrutieren, die prospektive mit der Verwendung von Wearables (Smart Watches, Fitness Tracker, …) untersucht werden. Auch hier übernimmt die UME die Koordination des Projektes sowie die Rekrutierung der Patienten in Essen. Im WP1 werden die Grundsteine für eine umfassende klinische und diagnostische multidimensionale Datenauswertung von COPD- und Asthmapatienten, die in einer Universitätsklinik behandelt werden. Im Rahmen von WP6 werden sowohl prospektiv als auch retrospektiv Thorax-CT-Daten von Patientinnen und Patienten aufgrund einer Exazerbation der COPD gesammelt, untersucht und mit Patientinnen und Patienten ohne Exazerbation der COPD verglichen. In der UME werden hierfür prospektiv Patienten rekrutiert und in die prospektive Analyse eingeschlossen.

Ziel ist es, Daten aus der Krankheitsversorgung für die Forschung nutzbar zu machen. Das Besondere an diesem Projekt: Es werden Daten aus der normalen Krankenversorgung verwendet, so genannte "Real-World-Data", und bilden somit die Versorgungsrealität ab. Gleichzeitig werden alle Patienten mit dem jeweiligen Krankheitsbild berücksichtigt, es findet somit keine Auswahl und somit auch kein Ausschluss von Patienten statt. Während des gesamten Zeitraums werden alle klinischen Arbeitspakete bei der Entwicklung speziell zugeschnittener statistischer Modelle für klinische Ergebnisse, Patientenpopulationen und Risikofaktoren durch das Universitätsklinikum Hamburg-Eppendorf und weitere Partner unterstützt. Der spezielle Fokus des Standorts liegt dabei auf der automatischen Kontextannotation von Behandlungsverläufen mittels künstlicher Intelligenz: So soll beispielsweise klinisches Personal in die Lage versetzt werden, ähnlich gelagerte Fälle und die dort getroffenen Entscheidungen in ihre Therapie zu integrieren. In einem kontinuierlichen, iterativen Prozess von Training und Validierung werden die resultierenden Modelle getestet und in den ersten Jahren optimiert, sodass am Ende der Projektlaufzeit eine umfassende Beschreibung von COPD- und Asthmapatientinnen und -Patienten möglich wird.