Vor fast 15 Jahren nannte das TIME-Magazin Biobanken als eine der zehn bahnbrechenden Ideen, die unsere Welt verändern würden. Es stellte sich eine Zukunft vor, in der die neuesten medizinischen Fortschritte, modernste Diagnoseinstrumente und lebensrettende Behandlungen für alle zugänglich wären, unabhängig von Wohnort, Einkommen oder Herkunft. Diese Vision zielte darauf ab, den Zugang zu medizinischem Wissen zu demokratisieren und ist der Schlüssel zur Erschließung des vollen Potenzials der personalisierten Medizin und zur Verbesserung der Patientenergebnisse weltweit.
Gewebebiobanken haben maßgeblich zur Weiterentwicklung der Gesundheitsversorgung beigetragen, indem sie die Identifizierung und Validierung von Krankheitsindikatoren erleichtern und die Entwicklung innovativer Behandlungsansätze fördern. Bevölkerungsbasierte Biobanken sammeln Daten der Allgemeinbevölkerung, um Risikofaktoren zu identifizieren, Vorhersagemodelle zu entwickeln oder Marker für die Früherkennung von Krankheiten zu identifizieren. Krankheitsorientierte Biobanken sammeln Multi-Omics-Daten von Patienten mit Krebs oder neurodegenerativen Erkrankungen, um digitale Modelle zu erstellen, die Risiken, Prognosen und Behandlungsreaktionen vorhersagen.1.
Im Gegensatz zu herkömmlichen Biobanken, in denen erhebliche Ressourcen für die Probenverwaltung zur Verfügung stehen, sind Bildgebungs-Biobanken vollständig digital. Ihr Wachstum hängt eng mit der Fähigkeit des Hochdurchsatz-Computing zusammen, zahlreiche quantitative Merkmale, sogenannte Bildgebungs-Biomarker, zu extrahieren, die mithilfe moderner Erfassungstechnologien erfasst werden.1Die Europäische Gesellschaft für Radiologie (ESR) definiert Bildgebung von Biobanken als systematische Sammlungen medizinischer Bilder und entsprechender Bildgebungs-Biomarker, die von zahlreichen Forschern gemeinsam genutzt und mit zusätzlichen Biorepositorien vernetzt werden2.
Mit der Verbreitung hochauflösender diagnostischer Bildgebungsverfahren und der raschen Einführung elektronischer Gesundheitsakten ist das Volumen der generierten Daten atemberaubend, und der Datenaustausch zwischen Institutionen ist immer häufiger geworden. Diese Fortschritte stellen erhebliche Herausforderungen für die Datenspeicherung und Bildannotation dar. Viele Ärzte plädieren für die Integration medizinischer Bilder in Gesundheitsaktendaten. Ebenso ein Immer mehr Biopharmaunternehmen streben Partnerschaften mit Bildgebungsexperten wie Quibim an, das aus der großen Anzahl an Bilddateien neben den klinischen Informationen auch wertvolle, bisher unbekannte Daten extrahieren kann.
Die Begründung hierfür ist klar und einfach: Medizinische Bilddatenbanken enthalten einen wahren Schatz an sorgfältig strukturierten und organisierten Informationen, die im Laufe jahrelanger klinischer Studien angesammelt wurden.
Bildgebungs-Biomarker sind wichtige Bestandteile von Bildgebungs-Biobanken und basieren auf einer groß angelegten Datenanalyse durch fortschrittliche Bioinformatik-Tools. Diese Biomarker sind in der Onkologie und können nach Funktion kategorisiert werden, beispielsweise prädiktive, diagnostische, morphologische, Staging- und Monitoring-Biomarker3.
Die Schnittstelle zwischen medizinischer Bildgebung, Biomarkern und ausgefeilter Analytik wird die Möglichkeiten von Biobanken erheblich erweitern und zu besseren Ergebnissen im Gesundheitswesen führen. Durch die Integration von KI-Algorithmen und hochmodernen Bioinformatik-Tools können bildgebende Biomarker entwickelt, validiert und in klinischen Umgebungen implementiert werden. Diese Biomarker sollten objektiv, reproduzierbar und wirksam bei der Erkennung, Diagnose und Bewertung der Behandlungsreaktion von Krankheiten sein. Die Haupteinschränkung bei der Integration quantitativer bildgebender Biomarker in die klinische Praxis ist die Standardisierung der technischen Erfassung, der Analyseverarbeitung und der klinischen Validierung. Um diese Probleme anzugehen, ist ein strukturierter, schrittweiser Ansatz für die Entwicklung, Validierung und Implementierung dieser Biomarker unerlässlich. Diese Methode erzeugt letztendlich eine Fülle von Radiomics-Daten zur Speicherung in bildgebenden Biobanken und erleichtert so die Integration bildgebender Biomarker in die klinische Praxis4.
Für eine erfolgreiche Biobank-Governance ist die Aufrechterhaltung eines operativen Netzwerks erforderlich, das aktiv die langfristigen Ziele der Wissensgenerierung, der Gesundheitsverbesserung und der wirtschaftlichen Wertschöpfung verfolgt. Zusammenarbeit ist unerlässlich, um ihren Wert als Treiber translationaler Veränderungen zu optimierenunter Einbeziehung von Wissenschaftlern verschiedener Disziplinen und der Öffentlichkeit, Gesundheitsdienstleister, politische Entscheidungsträger und Vertreter der Industrie5.
Das PRIMAGE-Projekt revolutioniert die Krebsbehandlung mit einer Cloud-basierten Plattform, die die Entscheidungsfindung bei Diagnose, Prognose und Therapie bösartiger solider Tumore unterstützt. PRIMAGE fördert die Zusammenarbeit zwischen der wissenschaftlichen Gemeinschaft und kommerziellen Partnern durch die Nutzung neuartiger bildgebender Biomarker, In-silico-Tumorwachstumssimulation, fortschrittlicher Visualisierung und maschinellem Lernen. Mit dem Schwerpunkt auf pädiatrischen Krebsarten wie Neuroblastom und diffusem intrinsischem Ponsgliom validiert die Plattform Dateninfrastrukturen und Forschungsmodelle und rationalisiert und sichert gleichzeitig Datenprozesse. PRIMAGE stellt einen bedeutenden Fortschritt in der Krebsdiagnostik und -behandlung dar und bietet eine echte Lösung für Patienten und ihre Familien. Beide Krebsarten veranschaulichen nicht nur die Komplexität der Krebserkrankung, sondern haben auch erhebliche gesellschaftliche Auswirkungen und betreffen einige der schwächsten Mitglieder unserer Familien.
Es ist wichtig zu verstehen, dass die Mehrheit der Krebspatienten nicht in erstklassigen Kliniken, sondern in den Gemeinden vor Ort behandelt wird. Diese Tatsache unterstreicht, wie wichtig es ist, diese Gemeinden mit dem notwendigen Wissen und den Ressourcen auszustatten, um die bestmögliche Versorgung zu gewährleisten. Die Demokratisierung des medizinischen Wissens geht über das traditionelle Konzept der Diagnostik hinaus und entwickelt sich zu einem umfassenderen Verständnis des Informationsaustauschs. Indem wir Barrieren zwischen Institutionen abbauen und Datenquellen verbinden, können wir beginnen, die immense Komplexität und Variabilität von Krebsdiagnosen zu begreifen.
Um die Patientenversorgung wirklich zu revolutionieren, müssen wir aus dem Informationszeitalter lernen. Zusammenarbeit ist von entscheidender Bedeutung, um sicherzustellen, dass wertvolle Erkenntnisse in der gesamten medizinischen Gemeinschaft ausgetauscht werden. Biobanken spielen in diesem Demokratisierungsprozess eine entscheidende Rolle. Sie dienen als Quelle für qualitativ hochwertige Daten und Proben und ermöglichen die Umwandlung von Rohdaten aus der biomedizinischen Forschung in praktische Anwendungen und personalisierte Patientenversorgung. Da sich Biobanken weiterentwickeln und ausweiten, müssen alle Beteiligten zusammenarbeiten, um ihre erfolgreiche Integration in die moderne biomedizinische Forschung und Entwicklung sicherzustellen. Indem sie Interoperabilität, Zusammenarbeit und die Demokratisierung von Informationen betonen, können Biobanken erheblich zu evidenzbasierten gesundheitspolitischen Entscheidungen beitragen und neue Initiativen in die Praxis umsetzen, was letztlich die öffentliche Gesundheit und das Wohlbefinden verbessert.
Die Diagnose jedes Patienten ist einzigartig und die Nuancen können wir nur verstehen, wenn wir Erkenntnisse aus verschiedenen Institutionen und Regionen kombinieren. Dieser kollaborative Ansatz wird es uns ermöglichen, wirksamere Behandlungen und Strategien für die vielfältigen Krebsdiagnosen zu entwickeln, mit denen Patienten konfrontiert sind.
Medizinisches Wissen und Informationen sind die treibende Kraft hinter der nachhaltigen Veränderung der personalisierten Medizin.
