P5: Statistische Methoden zur Datenintegration in mehrskalige Modelle und Quantifizierung von Unsicherheiten

• Antragstellerin: Professorin Dr. Nicole Radde
• Fachliche Zuordnung: Allgemein- und Viszeralchirurgie
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 436883643

Das Ziel von QuaLiPerF ist ein fortgeschrittenes Verständnis des Zusammenspiels zwischen chirurgisch bedingten Veränderungen der Perfusion und der Stoffwechselfunktion zur Verbesserung der Funktionsvorhersagen und der Risikostratifizierung bei Patienten, die einer (erweiterten) Leberresektion (ePHx) unterzogen werden. Dies soll durch einen systemmedizinischen Ansatz erreicht werden. Basierend auf unseren bisherigen Arbeiten werden wir räumlich und zeitlich aufgelöste, mehrskalige Modelle der Leberfunktion, der Perfusion und der Leberregeneration erstellen. Dazu werden im Laufe des Projekts eine Vielzahl von Daten generiert oder stehen aus anderen Studien zur Verfügung. Die Integration von experimentellen Daten in diese Modelle ist eine anspruchsvolle Aufgabe, die mehrere Entscheidungen während des Modellierungs- und Kalibrierungsverfahrens erfordert. Es bietet eine Methodik zur intelligenten Datenintegration und Unsicherheitsquantifizierung über die Modellierungsprojekte hinweg. Darüber hinaus entwickelt es Methoden zur Integration patientenspezifischer Faktoren, um eine individuelle Risikobewertung im Kontext der Leberchirurgie und der Leberregeneration nach der Operation zu ermöglichen. Zu diesem Zweck werden wir statistische Bayes'sche und wahrscheinlichkeitsbasierte Ansätze zur Parameterschätzung, Unsicherheitsquantifizierung und Modellvalidierung verwenden. Eine Herausforderung werden dabei die Berechnungskosten insbesondere für mehrskalige Modelle sein, da diese Methoden oft viele Vorwärtssimulationen erfordern. Hier werden wir eine Methodik für die Hochskalierung entwickeln, indem wir effiziente Algorithmen zur Erzeugung von Stichproben sowie Modellreduktionsmethoden nutzen. Patientenspezifische klinische Daten werden bereitgestellt, aus denen über Korrelationen mit der Regenerationsfähigkeit und der postoperativen Risikobewertung Merkmale ausgewählt werden. Anschließend werden wir ein Schema zur Integration dieser Merkmale in patientenspezifische Modelle entwickeln.Die Methodik von P5 wird die Modellvorhersagen mit Konfidenzgrenzen ausstatten und damit die Zuverlässigkeit und Spezifität der Modellvorhersagen beurteilen. Dies wird nicht nur eine Bewertung der Modellplausibilität und Modellvalidierung ermöglichen, sondern auch in einer zweiten Förderphase nützlich sein, um einen noch engeren Experiment-Modellierungszyklus zu fördern. Letztendlich wird QuaLiPerF ist eine verbesserte Modell-basierte Vorhersage der Wiederherstellung der Leberfunktion ermöglichen, was zukünftig zu einer besseren Planung der einzelnen Operationen beiträgt.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5151: Quantifizierung des Zusammenhanges zwischen Leberperfusion und -funktion bei erweiterter Leberresektion - Ein systemmedizinischer Ansatz (QuaLiPerF)