Freitag, 19. August 2022
Navigation öffnen
Medizin

Lungenfunktion vorhersagen: Analyse der Multiomics-Daten mit Machine Learning

Lungenfunktion vorhersagen: Analyse der Multiomics-Daten mit Machine Learning
© Dan Race - stock.adobe.com
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:nnen 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.

Mikrobiom-Profile nach Lungentransplantation geben Hinweise auf Veränderungen der Lungenfunktion

Mit Hilfe von Machine Learning gelang es den Arbeitsgruppen von Sylvia Knapp und Konrad Hötzenecker, zu zeigen, dass bestimmte Mikrobiom-Profile der Lunge nach einer Lungentransplantation prognostische Information geben können. „Das heißt, diese Methode erlaubt uns, Hinweise auf zukünftige Lungenfunktionsänderungen zu geben – und könnte somit zu einer früheren Erkennung von Risikopatient:nnen beitragen“, betont Knapp. Von CLAD sind bis zu 50% der Lungentransplantierten innerhalb der ersten 5 Jahre nach dem Eingriff betroffen.
 

Lesen Sie mehr zu diesem Thema:

Pneumologen begrüßen Änderungen beim Transplantationsgesetz

Erschienen am 26.02.2019Änderung des Transplantationsgesetzes soll die Transplantationsbeauftragen an deutschen Kliniken stärken, mehr auf www.journalmed.de.

Erschienen am 26.02.2019Änderung des Transplantationsgesetzes soll die Transplantationsbeauftragen an deutschen Kliniken stärken,...

Vorerkrankungen bestimmen das Lungenmikrobiom nach Transplantation

„Wir haben uns engmaschig angeschaut, wie sich das Milieu der unteren Luftwege in transplantierten Lungen von insgesamt 78 Patient:nnen 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:nnen 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 cystischer Fibrose), auch nach der Transplantation wieder in die ansonsten gesunde Lunge einziehen und sich etablieren können. Conclusio: „Das heißt, auch Vorerkrankungen des transplantierten Patienten bzw. der Patientin bestimmen das Lungenmikrobiom nach Transplantation.“
 
 

Lesen Sie mehr zu diesem Thema:

Long Covid: Wenn die Symptome bleiben

Long Covid: Fatigue, Fieber, Kurzatmigkeit, Kopfschmerzen, Durchfall, Hautausschlag, Angststörungen etc. – mehr lesen unter journalmed.de!

Long Covid: Fatigue, Fieber, Kurzatmigkeit, Kopfschmerzen, Durchfall, Hautausschlag, Angststörungen etc. –...

© PheelingsMedia - stock.adobe.com

Machine Learning ermöglicht Vorhersage der Lungenfunktion anhand der Mikrobiom-Daten

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, das Metabolom und klinische Parameter herangezogen – prognostiziert werden. „Unsere Berechnungen zeigen daher tatsächlich, dass bestimmte Mikrobiom-Profile eine prognostische Information geben“, fassen Knapp und Hötzenecker zusammen.

Quelle: MedUni Wien



Sie können folgenden Inhalt einem Kollegen empfehlen:

"Lungenfunktion vorhersagen: Analyse der Multiomics-Daten mit Machine Learning"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.