Big Data & Personalized Medicine

Big Data and Personalised Medicine (BDPM) er en af CSS fire afdelinger. BPDM arbejder med datadrevet forskning og udvikling (RnD) og er opbygget ud fra en translationel struktur, hvor kompetencer der er nødvendige for udvikling af personlig medicin samles. BDPMs formål er at udforske international tilgængelige løsninger til at behandle data ved hjælp af kunstig intelligens, identificere de løsninger der effektive kan bruges med dansk data og udvikle modeler, der kan accelerere forskningsprocessen og formidling af forskningsresultater for at forbedre diagnostik, prognoser og behandlinger af patienter.    

Vi udvikler løsninger, der kan accelerere forskningsprocessen og formidling af forskningsresultater for at forbedre diagnostik, prognoser og behandlinger af patienter.

Forskningsområder

  • Data modeling

Forene biomedicinsk data med forskellig kodning og klassificering ved hjælp af internationale standarder, med fokus på at minimere tab af opløselighed og bevare det højeste kvalitetsniveau. Beskrive data så det er nemt forståligt for klinikere.

  • Data integration

Normalisering og korrelering af forskellige datatyper og dimensioner.

  • Data exploration

Støtte sundhedsprofessionelle i at udforske forskellige typer biomedicinske data (fænotypiske, OMICs, demografiske, socioøkonomiske osv).

  • Data analysis and cross-analysis

Definere kohorter ud fra kliniske / medicinske termer der kan faciliteter ekstraktion af meningsfulde information fra individuelle datasæt og kombinere information til krydsanalyser.

  • Data visualization and reporting

Præsentation af forskningsresultater, især multidimensionel data hvor standardiserede visualiseringsformer ikke findes, så de er forståelige for klinikkere/ sundhedsprofesionelle.

  • Artificial intelligence, machine learning and deep learning

Udvikle, træne og validere metoder der kan ekstrahere nyttig information fra datauniverset (f.eks. til brug af prædiktioner og effekt estimater).

  • Patient-Like-Me (PLM) -værktøjer

Oversætte forskningsresultater inden for personlig medicin fra de ovenstående punkter, til beslutningsstøtteløsninger som sundhedsprofessionelle kan benytte.

BDPM-projekter følger principperne om Open Science, FAIR-data og GCP. Afdelingen tilsigter let at kunne tilpasse sig til behovene indenfor andre medicinske domæner.

From real world data to real world evidence for improved personalized healthcare services

Patient-Like-Me tools

PLM er en samling værktøjer, designet til brug af klinkere, der sigter mod at bringe validerede resultater fra forskning i personaliseret medicin ud til klinisk brug. PLM er stærkt afhængig af ekspertise indenfor fagområderne medicin, biomedicinsk dataintegration, modellering og analyse. For at udvikle en af verdens mest effektive PLM-løsninger kræver det en særlig indsats indenfor domænespecifik datakuration og validering af data, der kun kan udføres med lægelig ekspertise. Hjørnestenen i PLM er kvaliteten af data, en dyb forståelse af dataforholdene og forbindelsen mellem data og de underliggende biologiske egenskaber som den repræsenterer. Ud fra dette kan andre specialister skabe pålidelige resultater. BDPM er designet til at kombinere ekspertisen fra biomedicinske forskere, data scientists, machine learning eksperter og videnskabelige programmører i en struktur hvor den nødvendige faglige bredder muliggøre forskning og udvikling af højeste kvalitet.

Samarbejdspartnere