Zweiter Platz

Graphs to Fight Diabetes

Steckbrief

Projekttitel:Graphs to Fight Diabetes
Projektleiter:Dr. Alexander Jarasch
Projektverantwortlicher:Dr. Alexander Jarasch
Head of Data and Knowledge Management
jarasch@dzd-ev.de
www.dzd-ev.de
Organisation/Initiative/Unternehmen:Deutsches Zentrum für Diabetesforschung
Ingolstädter Landstraße 1
85764 Oberschleißheim (München)

Zusammenhänge durch grafische Verknüpfung erkennen

Diabetes ist eine komplexe Erkrankung. Daher erforschen weltweit zahlreiche Arbeitsgruppen und Experten u.a. aus der Grundlagenforschung, Epidemiologie, Versorgungsforschung und Klinik die Stoffwechselerkrankung. Jede Disziplin sammelt wichtige Daten zu verschiedenen Aspekten des Diabetes. Doch bislang werden diese Daten unstrukturiert in separaten Datenbanken gespeichert, die kaum miteinander verknüpft und nur schwer durchsuchbar sind. So bleiben wichtige Querverbindungen unentdeckt.

Diesen Datenschatz zu heben, ist Ziel des Projektes „Graphs to Fight Diabetes“ des Deutschen Zentrums für Diabetesforschung. Forschungsdaten aus heterogenen Quellen sollen zusammengeführt, strukturiert und u.a. Mithilfe von Künstlicher Intelligenz analysiert werden.

Zum Einsatz kommt dabei die „Graphtechnologie“

Im Gegensatz zu relationalen Datenbanken bilden Graphdatenbanken nicht nur einzelne Daten ab (z. B. Blutprobe, Patient, Forschungsprojekt), sondern auch deren Beziehungen untereinander (z. B. „entnommen von“, „nimmt teil an“). Daten und Beziehungen werden als „Knoten“ und „Kanten“ bezeichnet. Beiden kann eine beliebige Anzahl Eigenschaften zugewiesen werden, z. B. der Zeitraum einer Studie oder ein gemessener Wert. Folgt man den Verbindungen zwischen den Knoten, lassen sich weitere Angaben wie Lagerort oder Zeitpunkt der Messung aufdecken. Neben der Verknüpfung und Auffindbarkeit der Daten ist die Visualisierung von essenzieller Bedeutung. Erst sie macht Querverbindungen und Zusammenhänge zwischen den Daten sichtbar und ermöglicht es, Muster zu erkennen. 

Ein konkretes Beispiel, wie die Verbindung und systematische Analyse von Daten aus klinischen Studien und Phänotypisierungsdaten neue Erkenntnisse liefern kann, ist die Identifizierung von Untertypen des Typ-2-Diabetes: Um sie erkennen zu können, bedarf es großer Datenmengen, die sich Mithilfe von innovativen IT-Technologien analysieren lassen. Nur so können bislang verborgene Muster erkannt werden. Basierend darauf will das Projekt des Deutschen Zentrums für Diabetesforschung neue Erkenntnisse und Hypothesen für eine personalisierte Prävention und Therapie generieren, die dann in Labor und Klinik validiert werden.