Direkt zum Inhalt

Am Forschungszentrum L3S ist eine Stelle als

studentische Hilfskraft im Bereich der Datengestützte Subtypisierung von Patienten mit Parkinson-Krankheit zum nächstmöglichen Zeitpunkt zu besetzen.

 

Motivation:

Die Parkinson-Krankheit (PD) ist eine komplexe neurodegenerative Erkrankung mit großer Heterogenität in Bezug auf klinische Symptome (motorisch und nicht-motorisch), Krankheitsverlauf, Ansprechen auf die Behandlung und genetische Faktoren. Die Unterteilung der Patienten in Subtypen trägt dazu bei, die Krankheitsmechanismen besser zu verstehen, und erleichtert gezielte Eingriffe oder Behandlungsmethoden. Die meisten Morbus-Parkinson-Subtypen basieren auf motorischen Symptomen und konzentrieren sich nicht auf die nicht-motorischen Symptome. Allgemeine phänotypbasierte Ansätze bieten keinen personalisierten Weg, und Ansätze, die Phänotyp- und Genotypdaten zusammen berücksichtigen, sind nicht gut erforscht. Unser Ziel ist es, datengesteuerte Methoden zur Subtypisierung von Patienten zu entwickeln, die sowohl motorische als auch nicht-motorische Merkmale von Morbus Parkinson integrieren und klinische und genotypische Daten gemeinsam nutzen. Diese automatisch erlernten Subtypen werden untersucht, um potenzielle Marker für neurodegenerative Erkrankungen wie Parkinson zu identifizieren. Mit Hilfe dieser prädiktiven Marker könnte ein frühzeitiges therapeutisches Eingreifen bei neurodegenerativen Erkrankungen realisiert werden. Dabei werden wir uns zunächst auf junge Morbus-Parkinson-Patienten und Patienten mit Komorbiditäten wie Schizophrenie und schweren Depressionen konzentrieren. Unser endgültiges Ziel ist es, personalisierte KI-basierte Lösungen zu entwickeln, die Ärzte in ihrer täglichen klinischen Praxis unterstützen.

Diese Arbeit ist mit dem medizinischen Anwendungsfall 'Parkinson-Krankheit' verbunden am Leibniz AI Lab, wo Forscher versuchen, intelligente Lösungen Lösungen für die personalisierte Medizin zu entwickeln. Für weitere Details besuchen Sie bitte https://leibniz-ai-lab.de/

 

Ziele und Aufgaben:

1. Implementierung von Basismodellen zur Subtypisierung von Parkinson-Patienten (verschiedene Clustering-Ansätze für klinische Patientendaten)

2. Charakterisierungsstudie der identifizierten Subtypen

3. Durchführung einer Validierungsstudie der identifizierten Subtypen an zwei ungesehenen PD Datensätzen

 

Voraussetzungen:

Gute Kenntnisse in Maschinellem Lernen, Clustering und Python-Programmierung. Studierende mit Vorkenntnissen in medizinischer Informatik werden bevorzugt, sind aber nicht zwingend erforderlich. Interessierte Studenten müssen zunächst eine Aufgabe erfüllen.

Details zur Aufgabe: Versuchen Sie, die folgende Codebasis auszuführen und die Papier [1] Ergebnisse: https://github.com/ferjorosa/parkinson-subtypes .

Fertigen Sie einen 2-seitigen Bericht an und senden Sie ihn zusammen mit Ihrem Lebenslauf an sroy@l3s.de

 

Kontakt:

Soumyadeep Roy (sroy@l3s.de),

Persönliche Website: https://www.l3s.de/~sroy/

Prof. Niloy Ganguly (ganguly@l3s.de)

 

Referenzen:

1. Rodriguez-Sanchez, F., Rodriguez-Blazquez, C., Bielza, C. et al.

Identifizierung von Subtypen der Parkinson-Krankheit mit motorischen und nicht-motorischen Symptomen durch modellbasiertes Multi-Partition-Clustering. Sci Rep 11, 23645 (2021). https://doi.org/10.1038/s41598-021-03118-w

2. Brendel, M., Su, C., Hou, Y. et al. Comprehensive subtyping of Parkinson-Patienten mit Ähnlichkeitsfusion: eine Fallstudie mit BioFIND-Daten. npj Parkinsons Dis. 7, 83 (2021).

https://doi.org/10.1038/s41531-021-00228-0