Erlernen zirkadianer Behandlungsmuster aus Real-World-Daten: Ein medizininformatischer Ansatz zur Chronotherapie

• Antragstellerin: Dr. Susanne Ibing
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik ; Gastroenterologie
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576382343

Elektronische Gesundheitsakten (EHRs) bieten ein enormes, bislang unzureichend genutztes Potenzial für die Entwicklung neuer, datengetriebener Erkenntnisse zur Therapieoptimierung. Insbesondere die Nutzung zeitlich aufgelöster klinischer Routinedaten, etwa der exakte Zeitpunkt von Medikamentengaben, eröffnet neue Möglichkeiten, dynamische Therapieeffekte im Versorgungsalltag zu untersuchen. In der medizinischen Informatik fehlt jedoch bislang ein generalisierbarer methodischer Rahmen, um solche zeitabhängigen Behandlungsmuster aus Real-World-Daten zu identifizieren und analysieren. Ziel dieses Projekts ist die Entwicklung eines skalierbaren Frameworks zur Modellierung zirkadianer Effekte in klinischen Routinedaten. Dazu werden modernste Methoden der Medizininformatik – darunter Bayessche Modellierung, Zeitreihenanalyse, maschinelles Lernen und Natürliche Sprachverarbeitung – angewendet und weiterentwickelt. Ein besonderer Fokus liegt auf der Integration von individualisierbaren circadianen Merkmalen (z. B. Chronotyp, Aktivitätsmuster) zunächst aus Wearable-Daten, und anschließend aus EHRs, sowie von sozialen Einflussfaktoren (Social Determinants of Health) aus klinischen Freitexten. Die entwickelte Methodik wird exemplarisch angewendet auf eine medizinisch hochrelevante Fragestellung: den möglichen Einfluss des Infusionszeitpunkts auf den Therapieerfolg von Biologika bei chronisch-entzündlichen Darmerkrankungen (CED). Das Projekt baut auf einer Pilotstudie mit über 1.100 CED-Patient:innen des Mount Sinai Health Systems auf, in der ein signifikanter Zusammenhang zwischen spätem Behandlungszeitpunkt und erhöhter Non-Response-Rate identifiziert wurde. Neben der angepassten Modellierung und Integration von zusätzlichen Endpunkten und Co-Variablen planen wir eine multizentrische Studie mit Datensätzen aus den USA und Europa. Das Projekt verfolgt zwei Hauptziele: 1. Methodenentwicklung: Schätzung individueller zirkadianer Merkmale basierend auf EHR Daten. Zur Modellentwicklung werden wir EHR-gelinkte Wearable Daten verwenden. 2. Chronotherapeutische Wirkung: Analyse zirkadianer Therapieeffekte in Biologika-Behandlungen unter Berücksichtigung von SDoH und Patientenchronotypen. Das Vorhaben verbindet technologische Innovation mit klinischer Anwendung und schafft eine methodische Grundlage für die Integration zirkadianer Medizin in datengetriebene Versorgungskonzepte. Es trägt dazu bei, personalisierte und zeitoptimierte Therapien evidenzbasiert zu gestalten.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeberin: Francesca Petralia, Ph.D.