Daniel Amsel, Jochen Zohner, Kai Schmid
#wettbewerb #2023
Justus-Liebig-Universität Gießen

Personalisierte Medizin hat die Krebsbehandlung in den letzten Jahren revolutioniert. Veraltete Standardverfahren können so durch erfolgreichere Behandlungen ersetzt werden. Das Problem dabei ist jedoch die große Datenmenge, welche bei den dafür notwendigen Gen-Analysen der Tumore anfallen. Diese müssen meist mit großem Aufwand von Ärzten gesichtet und manuell ausgewertet werden. Zum aktuellen Stand gibt es keine Softwarelösung, die Ärzte bei diesen Arbeitsabläufen unterstützt. Diesem Missstand treten wir mit Hilfe einer neuartigen intelligenten Datenbank, sowie automatisierten Analyseverfahren entgegen, die den Ärzten alle monotonen Tätigkeiten abnimmt und es ihnen ermöglicht sich auf die medizinischen Inhalte zu konzentrieren. 

In (neuro-)pathologischen Instituten untersuchen Mediziner präzise das Gewebe des Tumors, woraus sich Therapieempfehlungen, aber auch Resistenzen gegenüber bestimmten Medikamenten ableiten lassen. Diese Daten sind jedoch hochdimensional und die routinemäßige Bearbeitung, Bewertung, sowie Befunderstellung ist entsprechend zeitaufwändig für das ärztliche Personal. Das selbstlernende Coded Network Semantics (CNS) System mit seinen angebundenen Hochdurchsatz-Pipelines, welches bereits in der Neuropathologie Gießen im Einsatz ist, löst genau diese Probleme. Geplant ist die Veröffentlichung der Software als OpenSource (öffentlicher Programm-Code) Lösung in internationalen wissenschaftlichen Fachjournalen. Parallel wollen wir eine Support-Firma gründen, welche bei den zukünftigen Kunden die Installation, das Training der Datenbank, als auch den Support über Wartungsverträge anbietet. Mit über 400 Pathologien, allein in Deutschland, sowie der Tatsache, dass bisher kein anderer Anbieter am Markt diese Lösung anbietet, ergibt sich ein großer Raum für Wachstum.