Machine Learning erlaubt genaue Analyse der Multiomics-Daten
ID: 1958434
Die Lungentransplantation ist eine lebensrettende Maßnahme bei schwerem Lungenversagen. Eine gefürchtete und häufig vorkommende Komplikation nach einer Lungentransplantation ist die chronische Verschlechterung der Lungenfunktion (CLAD/Chronic Lung Allograft Dysfunction). Daher ist eine frühe Diagnose einer drohenden Verschlechterung der Lungenfunktion wichtig, um therapeutisch gegensteuern zu können. Wissenschafter*innen der MedUni Wien von der Universitätsklinik für Innere Medizin I und von der Universitätsklinik für Thoraxchirurgie haben nun herausgefunden, dass sich eine genaue Analyse des Lungenmikrobioms zur Vorhersage zukünftiger Veränderungen der Lungenfunktion eignet.
Auch Vorerkrankungen bestimmen das Lungenmikrobiom nach Transplantation
„Wir haben uns engmaschig angeschaut, wie sich das Milieu der unteren Luftwege in transplantierten Lungen von insgesamt 78 PatientInnen im Verlauf nach einer Operation verändert und an den neuen Wirt anpasst. So haben wir untersucht, welche Bakterien, welche Immunzellen und welche Metaboliten vorkommen, und wie sich diese in ihrem neuen Wirt verändern“, erklärt Knapp.
Dabei konnten die Forscher*innen zeigen, dass sich das Lungenmikrobiom kontinuierlich ändert, bis schließlich Empfänger-spezifische Faktoren – wie etwa Alter, Geschlecht, Grunderkrankung – langfristig das Mikrobiom definieren. Zudem entdeckten die Wissenschafter*innen, dass bestimmte Keime, die bei manchen Lungenerkrankungen vor Transplantationen gehäuft vorkommen (z.B. bei zystischer Fibrose), auch nach der Transplantation wieder in die ansonsten gesunde Lunge einziehen und sich etablieren können. Conclusio: „Das heißt, auch Vorerkrankungen des transplantierten Patient*innen bestimmen das Lungenmikrobiom nach Transplantation.“
Die Veränderungen der Lungenfunktion konnten mit Hilfe von Künstlicher Intelligenz in Form von Machine Learning und einer Analyse der Multiomics-Daten – neben dem Mikrobiom wurden auch das Lipidom (Fettmuster), das Metabolom (Stoffwechsel-Bausteine der Zellen) und klinische Parameter herangezogen – prognostiziert werden. „Unsere Berechnungen zeigen daher tatsächlich, dass bestimmte Mikrobiom-Profile eine prognostische Information geben“, fassen Knapp und Hötzenecker zusammen.
Weitere Infos zu dieser Pressemeldung:
Themen in dieser Pressemitteilung:
Unternehmensinformation / Kurzprofil:
Datum: 07.02.2022 - 13:48 Uhr
Sprache: Deutsch
News-ID 1958434
Anzahl Zeichen: 2919
Kontakt-Informationen:
Ansprechpartner: Bianca Blywis-Bösendorfer
Stadt:
Berlin
Telefon: 017642745314
Kategorie:
Gesundheitswesen - Medizin
Meldungsart: Erfolgsprojekt
Versandart: Veröffentlichung
Freigabedatum: 07.02.2022
Diese Pressemitteilung wurde bisher 195 mal aufgerufen.
Die Pressemitteilung mit dem Titel:
"Machine Learning erlaubt genaue Analyse der Multiomics-Daten"
steht unter der journalistisch-redaktionellen Verantwortung von
Auslandsbüro der Stadt Wien in Berlin (Nachricht senden)
Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).
