Pandemiebekämpfung mittels Datenanalyse

Im Frühjahr 2020 stellte die COVID-19-Pandemie unsere Welt auf den Kopf. Bis Ende 2022 wurden in Deutschland mehr als 37 Millionen Corona-Infektionen bestätigt, über 161.000 Menschen sind daran gestorben. Auffällig an Covid-19 sind die extrem unterschiedlichen Verläufe der Erkrankung. Während ein Patient nur von einer leichten oder asymptomatischen Erkrankung betroffen ist, leidet ein anderer an akuten Zuständen wie ARDS (acute respiratory distress syndrome) oder stirbt im schlimmsten Fall. Doch woran liegt das? Wissenschaftler der Medizinischen Hochschule Hannover (MHH) und des Leibniz KI-Labors gehen dieser Frage nach - mithilfe von Patientendaten.

„Verschiedene Studien haben bereits gezeigt, dass neben demografischen Faktoren und Vorerkrankungen, die genetische Veranlagung eine wichtige Rolle bei der Krankheitsentwicklung spielen kann. Um den Verlauf von COVID-19 und die Auswirkungen auf den Körper besser verstehen zu können, sammeln wir seit Beginn der Pandemie Patientenproben und Daten in der COVID-19 Biobank, die vom Niedersächsischen Ministerium für Wissenschaft und Kultur finanziert wird“, sagt Prof. Dr. Thomas Illig, Leiter der Hannover Unified Biobank (HUB) der MHH.

„Die gesammelten Bioproben analysieren wir bis aufs kleinste Molekül und entschlüsseln die DNA der Patienten“, erklärt Illig weiter. Ein besonderes Augenmerk legen die Forscher dabei auf Material von Patienten, die auf der Intensivstation künstlich beatmet werden mussten. Ergänzt werden diese Daten durch hochauflösende optische Analysen spezieller DNA-Varianten, die mit einem erhöhten Krankheitsrisiko in Verbindung gebracht werden können. In Zusammenarbeit mit der Klinik für Pneumologie der MHH hat die HUB außerdem einen breiten klinischen Datensatz zu allen COVID-Patienten angelegt. Er enthält Angaben zu Vorerkrankungen, dem Schweregrad der Erkrankung, therapeutischen Maßnahmen, eventuellen Komplikationen und dem Ausgang der Erkrankung.

Entstanden ist eine umfangreiche Sammlung molekularer und klinischer Daten, die bereits im Rohzustand über 14 Terabyte umfasst. Um die unterschiedlichen Datenarten in einer integrativen Analyse zusammenzuführen, arbeitet die HUB im Leibniz KI-Labor mit Datenwissenschaftlern des L3S und des Helmholtz-Zentrums für Infektionsforschung (HZI) zusammen. Die integrative Datenanalyse soll Marker oder frühe Krankheitsmuster identifizieren, die Aufschluss über den weiteren Krankheitsverlauf bei COVID-19-Patienten geben können.