Projektbeschreibung
Optimale Therapie dank der Theorie dynamischer Systeme
Erkrankungen, Komorbiditäten und die Reaktion der Patientinnen und Patienten auf bestimmte Therapien sind das Ergebnis eines komplizierten Zusammenspiels zahlreicher Faktoren. Die Zusammenhänge, die festlegen, wie dieses komplizierte Netzwerk von Eingaben zu verschiedenen Ergebnissen führt, lassen sich mit konventionellen Mitteln nur schwer ableiten. Mithilfe von Big Data, höherer angewandter Mathematik und Rechnern wird im Rahmen des EU-finanzierten Projekts DC-ren ein Instrument entwickelt, das genau das und noch viel mehr berücksichtigt. Dadurch werden auch optimierte personalisierte Medikamententherapien möglich, mit denen deutliche bessere Ergebnisse erzielt werden können. Das Team konzentriert sich auf die diabetische Nierenerkrankung, eine häufige Komorbidität des Typ-2-Diabetes, die häufig von Herz-Kreislauf-Erkrankungen begleitet wird. Die aktuell gegen diese Erkrankung eingesetzten Arzneimittelcocktails rufen extrem unterschiedliche Reaktionen hervor. Dank der umfangreichen Patientendatenbank, zukunftsweisenden experimentellen Verfahren und der Theorie dynamischer Systeme kann DC-ren ein neues und weitläufig anwendbares rechnergestütztes Rahmenwerk zur Entscheidungsfindung entwickeln.
Ziel
Diabetic Kidney Disease (DKD) is highly prevalent in type 2 diabetes, with major impact on patients and healthcare systems. The complex disorder, further modulated by cardiovascular comorbidities, presents as an accumulation of risk factors, which we treat with drug combinations. While the overall benefit of this approach is evident on a cohort level, individual patients show remarkable heterogeneity in drug response, and lack of guidance on personalized medication results in suboptimal control of the disorder.
For resolving variability, we propose a new concept for personalization of drug combinations beyond the cohort-centric perspective. We improve patient stratification based on equivalence relations of clinical presentation, disease pathophysiology and drug combinations. The approach is derived from dynamical systems theory, aimed at reducing probabilistic assignment of patient-specific disease evolution and matching drug combinations. The availability of a large European repository holding DKD patients in routine care with diverse drug combinations, complemented by high-throughput screening for improving patient phenotyping, and molecular network modelling of pathology, embedded risk factor combinations and consequence of drug effect allows a systems representation of patient groups. Integrating clinical presentation and molecular architecture in a novel computational framework will establish a decision support software prototype. We will validate this tool for predicting optimized personalized drug combinations in a study using given clinical trial repositories. Demonstration will expand to other available drugs, which in combination with approved drugs promise benefit for groups of DKD patients.
With a clear route toward uptake in the clinical setting, and generalization capacity of our approach to other complex disorders we foster next steps in personalization, anticipate major patient benefit, and see novel translation and business opportunities.
Wissenschaftliches Gebiet
- medical and health sciencesclinical medicineendocrinologydiabetesdiabetic nephropathy
- medical and health sciencesbasic medicinepharmacology and pharmacypharmaceutical drugs
- medical and health sciencesbasic medicinephysiologypathophysiology
- medical and health sciencesbasic medicinepathology
- medical and health sciencesclinical medicinenephrologykidney diseases
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SC1-2019-Two-Stage-RTD
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
6020 Innsbruck
Österreich