Er unterstützt die weiteren Projektpartner:innen mit seiner Expertise zu vertrauenswürdiger künstlicher Intelligenz, die bei der Analyse von Patient:innendaten eingesetzt wird. Die EU fördert das Forschungsvorhaben unter der Leitung von Professor Dr. Heiner Wedemeyer, Direktor der Klinik für Gastroenterologie, Hepatologie und Endokrinologie der Medizinischen Hochschule Hannover (MHH), mit insgesamt 6,75 Millionen Euro.
Hepatitis D ist die bei weitem schwerste Form der chronischen Virushepatitis, die häufig zu Leberversagen, Leberkrebs und zum Tod führt. Sie wird durch eine Koinfektion des Hepatitis-B-Virus (HBV) und des Hepatitis D-Virus (HDV) verursacht. Weltweit sind bis zu 20 Millionen Menschen mit HDV infiziert. Doch die Erkrankung gibt der Medizin noch einige Rätsel auf. So ist bislang nicht bekannt, warum bis zu 50 Prozent der Betroffenen spontan in der Lage sind, die Vermehrung der Hepatitis D-Viren im Körper zu kontrollieren. Auch, weshalb manche Patient:innen ein fortgeschrittenes Stadium der Lebererkrankung erreichen oder warum nur einige auf eine antivirale Behandlung ansprechen, ist bislang noch ungeklärt. Das internationale Forschungsprojekt „D-Solve“ will das ändern. Neben Expert:innen der Medizinischen Hochschule Hannover (MHH) und des CISPA sind daran unter anderen auch Forscher:innen des Zentrums für Individualisierte Infektionsmedizin (CiiM) – eine Einrichtung der MHH und des Helmholtz-Zentrums für Infektionsforschung (HZI) in Braunschweig – beteiligt.
Die Forscher:innen wollen in der multizentrischen Studie eine große Gruppe von Hepatitis-D‑Patient:innen untersuchen, um besser zu verstehen, welche persönlichen Merkmale den Ausgang der Infektion bestimmen. Da es sich bei HDV um eine seltene Krankheit handelt, gibt es in den einzelnen Kliniken nicht in großem Umfang medizinische Daten über HDV-Infizierte oder geeignete Biobanken mit Gewebe- oder Blutproben von HDV-Patienten. Auch ein zuverlässiges Tiermodell, an dem die Reaktionen auf das Virus wissenschaftlich untersucht werden könnte, fehlt. „Mit der multizentrischen Studie können wir auf Daten und Bioproben von mehr als 500 Patientinnen und Patienten mit HDV zugreifen und nach Biomarkern für die Immunantwort gegen die Viren suchen“, erklärt Professor Wedemeyer. „Dadurch wollen wir einen neuartigen individualisierten Ansatz für eine Behandlung gegen HDV entwickeln, der klar definiert, welche Patienten besonders schnell behandelt werden müssen, wie lange die Behandlung dauern soll und was mit denen geschieht, die nicht gut auf antivirale Medikamente ansprechen.“
Patient:innendaten sind der Schlüssel für die Entwicklung personalisierter Therapien, allerdings sind gerade solche Daten hochsensibel, erklärt CISPA-Faculty Dr. Yang Zhang. „Um sicherzustellen, dass die Patient:innendaten im Projekt sicher und vertraulich behandelt werden, werden wir sie dezentral verwalten. Wir werden sogenanntes föderales Lernen einsetzen, um sie gemeinsam zu verarbeiten“, erklärt CISPA-Forscher Dr. Yang Zhang. Beim förderalen Lernen, einer speziellen Machine-Learning-Technik, werden die Daten ausschließlich lokal gespeichert und nicht wie bei zentralisierten Ansätzen auf einen Server hochgeladen und zusammengeführt. Die Projektpartner:innen trainieren mit den von ihnen erhobenen Patient:innendaten gemeinsam ein Machine-Learning-Modell, ohne jedoch die Daten auszutauschen. So lässt sich deutlich mehr Datensicherheit und Schutz der Privatsphäre erreichen.
Am Ende des Projektes sollen Strategien zur Patientenüberwachung sowie antivirale Behandlungsansätze stehen, mit denen die Krankheitslast verringert und die Lebensqualität der Patient:innen verbessert wird. Die gewonnenen Erkenntnisse können dann als Blaupause für personalisierte Infektionsmedizin dienen und helfen, auch andere Viruserkrankungen unter Kontrolle zu bringen.
