Systemmedizin
Über
Die Gruppe „Systemmedizin“ im INM7, die auch von Dr. Felix Hoffstaedter und Dr. Masoud Tahmasian gemeinsam geleitet wird, wendet einen mehrstufigen Ansatz an, der Computerwerkzeuge und Big Data nutzt, um einen umfassenden Einblick in neurologische und psychiatrische Erkrankungen zu gewinnen und den Weg für eine personalisierte Medizin zu ebnen . Durch die Anwendung modernster Methoden wie maschinelles Lernen auf große klinische und bevölkerungsbezogene Datenbanken unter Verwendung von Hochleistungsrechnen wollen wir die Pathophysiologie neuropsychiatrischer Erkrankungen wie Alzheimer und Parkinson, Major Depression sowie Schlafstörungen verfeinern Risikofaktoren und gesundheitliche Folgen zu identifizieren sowie bestehende diagnostische Ansätze zu verbessern.
Forschungsthemen
Unsere Hauptthemen sind:
- Multivariate Modellierung der typischen Hirnalterung im Vergleich zur Entwicklung altersbedingter Erkrankungen. Die Entwicklung, Anwendung und Bewertung reproduzierbarer (f)MRT-Vorverarbeitungsworkflows zur automatisierten Aufbereitung großer multimodaler Bilddatensätze unter Verwendung umfassender Herkunftsverfolgung. Die Anpassung etablierter Neuroimaging-Methoden beim Menschen an strukturelle und funktionelle MRT-Daten bei Primaten, insbesondere bei Schimpansen, Pavianen und Makaken, um die Lücke zwischen menschlichen und tierischen Modellen unter Berücksichtigung der Evolution des Gehirns von Primaten zu schließen.
- Das Zusammenspiel zwischen Schlaf und medizinischen und psychischen Zuständen unter Verwendung der Genetik , phänotypische und multimodale Neuroimaging-Daten (z. B. sMRI, fMRI, PET). Darüber hinaus führen wir unter Verwendung des ENIGMA-Sleep-Frameworks groß angelegte Mega- und Metaanalysen durch, um die Neurobiologie von Schlafstörungen und ihre neuropsychiatrischen Folgen besser zu verstehen, um die prädiktive Rolle von schlechtem Schlaf auf Stimmung und kognitive Leistungen zu bewerten und Die neurobiologischen Auswirkungen von Schlafentzug.
Methoden und Infrastruktur
MRI & PET, Multivariate Big Data Analysis, Meta-Analysis, Machine learning, High Performance Computing
Projekte
Mitglieder
Alumni
Wichtige Publikationen
Letzte Änderung: 17.05.2023