Stand: September 2022
EU / Land Berlin fördert neuen Forschungsverbund:
Entwicklung eines NGS-basierten Diagnosesystems zum Nachweis neuer kardiotroper Erreger zur Differentialdiagnose bei ätiologisch ungeklärter fortgeschrittener Herzinsuffizienz / Kardiomyopathien (ViRGiS; No. 10169028)
(*Pro FIT: Programm zur Förderung von Forschung, Innovationen und Technologien, Projektträger: Land Berlin, Senatsverwaltung für Wirtschaft, Energie und Betriebe, über die Investitionsbank Berlin (IBB); Dieses Projekt wird kofinanziert durch den Europäischen Fonds für regionale Entwicklung (EFRE))
Herz-Kreislauf-Erkrankungen sind in den westlichen Ländern die häufigste Todesursache. Die Inzidenz für Kardiomyopathien (DCM) in Europa und den USA liegt bei 12 - 15 Mio. Patienten. In Deutschland wird derzeit von ca. 1.5 Mio. betroffenen Patienten ausgegangen, wobei mindestens 500.000 Patienten an einer DCM leiden. Bisherigen Untersuchungen zufolge ist eine myokardiale Entzündung, die Inflammatorische Kardiomyopathie (DCMi) mit oder ohne Virusinfektion, die häufigste Ursache einer DCM. Trotz inzwischen verfügbarer Behandlungsoptionen liegt die 5-Jahres-Mortalität symptomatischer Patienten weiterhin bei über 50%. Gesundheits-ökonomisch und Public Health relevant ist, dass eine Vielzahl von Personen betroffen sind (>1.5 Mio), dies laut Schätzungen das Gesundheitssystem mit 2-4 Milliarden €/Jahr belastet und bislang keine allgemein akzeptierten Diagnose- und Therapierichtlinien existieren. Die enormen gesundheitsökonomischen Folgen dieser Erkrankungen erfordern eine frühzeitige und spezifische Diagnostik und eine darauf basierende zielführende personalisierte Therapiestrategie und Patientenmanagement. Da bei einer nicht geringen Anzahl an Patienten die Ätiopathogenese unklar ist, diese z.B. auf einer nicht erkannten Virusinfektion beruhen, ist die Identifizierung von Krankheitserregern, die für eine Infektion des Herzmuskels verantwortlich sein können, für eine Therapieentscheidung und das Patientenmanagement entscheidend.
Die EU (Europäischen Fonds für regionale Entwicklung (EFRE), das Land Berlin / IBB (ProFIT) fördert jetzt einen neuen Forschungsverbund, der sich aus dem RKI (PI: Prof. Dr. C.-Thomas Bock; Abt.1, FG15), der Charité-Universitätsmedizin Berlin (Abteilung für Kardiologie) und dem Institut Kardiale Diagnostik und Therapie (IKDT, Berlin) zusammensetzt. Ziel des Forschungsvorhabens ViRGiS ist die Identifizierung von Pathogenen, die für eine Infektion des Herzmuskels verantwortlich sein können. Das ViRGiS-Vorhaben wird eine innovative Diagnostikplattform zum Nachweis klinisch relevanter kardiotroper Viren, aber auch Bakterien und Parasiten mittels moderner Next Generation Sequencing (NGS) Technologie etablieren. Dabei steht die Entwicklung einer optimierten metagenomischen Diagnostikplattform im Vordergrund, mit der bekannte sowie neu zu identifizierenden relevanten Pathogene im Herzmuskel (wie z.B. aktuell Sars-CoV-2, Hepatitis E Virus) detektiert werden können. Das geplante Vorhaben wird somit auch zur Optimierung des Patientenmanagements und Adaption möglicher personalisierter Therapiestrategien insbesondere bei bisher unbekannten Erregerinfektionen entscheidend beitragen. Zudem wird die Metagenomics Plattform auch für andere Anwendungen Eingang finden.





ZIM* (2021)
Künstliche Intelligenz in der klinischen Herzmuskeldiagnostik. Erste Anwendung vom KI-Ansatz in der klinischen Herzmuskeldiagnostik
(*ZIM: Durchführbarkeitsstudie zur Förderung von FuE-Projekten)
Herz-Kreislauf-Erkrankungen sind in den westlichen Ländern die häufigste Todesursache. Die Inzidenz für Herzinsuffizienz in Europa und den USA liegt bei 12 - 15 Mio. Patienten, was allein in Deutschland das Gesundheitssystem mit 2-4 Milliarden €/Jahr belastet. Trotz inzwischen verfügbarer Behandlungsoptionen liegt die 5-Jahres-Mortalität symptomatischer Patienten weiterhin bei über 50%.
In der Diagnostik der Entzündung des Herzmuskels mit oder ohne Virusinfektion stellt die Herzmuskelbiopsie den Goldstandard dar. Hierbei ist eine Analyse mittels Virologie, Molekularbiologie, Histologie und Immunhistologie entscheidend für die exakte Diagnosestellung als Voraussetzung für eine spezifische, personalisierte Therapie.
Um hier einen entscheidenden Schritt hin zu einer besseren Beurteilung der Prognose zu machen, bedarf es hochdimensionaler statistischer Berechnungs- und Lernverfahren. Diese in dieser Studie anzuwendenden Verfahren werden in der Lage sein, aus großen Datenmengen relevante Informationen herauszufiltern, in Modellen abzulegen und Algorithmen anwenden, anhand derer eine verbesserte prognostische Aussage ermöglicht wird.