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.
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
-
Region Sjælland
Data and Development Support
-
NGC
Nationalt Genom Center
-
OHDSI
Observational Health Data Sciences and Informatics
-
EHDEN
European Health Data & Evidence Network
-
Erasmus University Medical Center
Health Data Science Group
-
Columbia University Medical Center
Department of Biomedical Informatics