Third party funded individual grant
Start date : 01.04.2022
End date : 31.03.2025
Laboruntersuchungen sind ein essentielles Werkzeug der modernen Medizin mit krankheitsbildübergreifender Bedeutung für Diagnostik und Therapie. Ein wesentliches Hilfsmittel zur Beurteilung von Laboruntersuchungen sind Referenzintervalle, die das Spektrum von Messwerten in einer gesunden Population abbilden. Laborbefunde im Kindes- und Jugendalter sind wachstumsbedingt durch besondere Dynamiken gekennzeichnet, die von den derzeit verfügbaren Referenzintervallen jedoch nur unzureichend widergespiegelt werden. Dies begrenzt die Aussagekraft von Labordiagnostik für alle pädiatrischen Altersgruppen, insbesondere aber für Früh- und Neugeborene, obwohl Laboruntersuchungen zur Unterstützung medizinischer Entscheidungen in diesen vulnerablen Populationen besonders wichtig sind. Des Weiteren können derzeit verwendete Strategien zur Interpretation von Laborbefunden (sequentielle Klassifikation einzelner Testergebnisse mit subjektiver Einschätzung der Relevanz etwaiger Abweichungen und nur teilweise systematischer Erkennung aller krankheitsrelevanten Muster) durch moderne Verfahren aus dem Bereich des maschinellen Lernens unterstützt werden.In umfangreichen Vorarbeiten haben wir datengetriebene Methoden und eine multizentrische Studie zur Ermittlung von Referenzintervallen aus im Rahmen der Krankenversorgung erhobenen Laborwerten etabliert. Hiermit konnten wir pädiatrische Referenzintervalle mit bislang unerreichter Genauigkeit ermitteln und wichtige Lücken in der pädiatrischen Labormedizin schließen. Aufgrund fehlender Standardisierung und datenschutzbedingten Einschränkungen enthielt der bislang verfügbare Datensatz jedoch keine klinischen Informationen (z.B. Diagnosen oder Outcome-Daten), so dass bisherige Auswertungen auf häufig durchgeführte Laboruntersuchungen bei reifgeborenen Kindern beschränkt waren und die Genauigkeit im Neugeborenenalter eingeschränkt war. Der jetzt im Rahmen der Medizininformatik-Initiative (MII) verfügbar gemachte „Kerndatensatz“ macht Labordaten, Diagnosen, Interventionen und Outcome an allen deutschen Universitätskliniken unter Beachtung des Datenschutz für die Sekundärdatennutzung zugänglich und ermöglicht damit eine substantielle Erweiterung unserer bisherigen Untersuchungen.In diesem Projekt wird der MII-Kerndatensatz multizentrisch ausgewertet, um mit den von uns etablierten Methoden spezifische Referenzintervalle für Frühgeborene zu ermitteln, Referenzintervalle für Spezialuntersuchungen (d.h. nur bei spezifischem klinischen Verdacht durchgeführte Analysen) zu bestimmen und die (insbesondere altersbezogene) Genauigkeit von pädiatrischen Referenzintervallen zu verbessern. Die ermittelten Referenzintervalle nutzen wir, um moderne Strategien zur Interpretation von Laboruntersuchungen im Kindesalter zu implementieren, die durch Integration von klinischen Kovariaten und mehrerer Labortestergebnisse (mehrdimensionale Klassifikation) und Prädiktion relevanter Endpunkte den klinischen Nutzen von Labordiagnostik erhöhen.