Ziel des Projektes ist es, die Klassifikationsgüte von Diskriminatoren für longitudinale Daten wie Zeitverläufe, Dosis-Wirkungs-Kurven o.a. mit Hilfe von Monte-Carlo-Simulationen zu untersuchen. Solche Diskriminatoren gewinnt man aus einem "mixed model"-Ansatz, also über eine multivariate Varianzanalyse, mit anschließender Verwendung der geschätzten Größen in einer Diskriminanzanalyse. Als Gütekriterium dient die Schätzung des "wahren" Klassifikationsfehlers, d.h. wir interessieren uns für die Bewertung der Zuordnungswahrscheinlichkeiten für Objekte (Patienten), die nicht zur gegebenen Trainingsstichprobe gehören.
(Partner: Abteilung Klinische Onkologie des Universitätskrankenhauses Graz/Österreich)
Ziel des Projektes ist es, den Einfluss von unterschiedlichen Therapie-Strategien auf das Überleben von metastasierten Mammacarcinom-Patientinnen zu untersuchen und möglichst eine optimale Strategie zu finden. Dabei soll u.a. geprüft werden, ob die Krankenverläufe durch (Therapie-) gesteuerte Markov-Ketten (1. oder höherer Ordnung) oder durch bedingte Markov-Ketten beschrieben werden können.
(Partner: Klinik und Poliklinik für Urologie des Universitätsklinikums Charité)
Neben der in der klinischen Forschung immer wiederkehrenden Frage nach Verfahren, die diagnostische und prognostische Aussagen über das Vorhandensein oder die Entwicklung von Krankheiten ermöglichen, steht das Ziel, in vorliegenden Datensätzen, zu denen keine Informationen über Input-Output-Beziehungen vorliegen, Strukturen (Cluster) aufzufinden. Die Verfahren der klassischen Statistik sind in vielen Fällen an Voraussetzungen geknüpft, die von den gegebenen Datenmengen häufig nicht erfüllt werden. Da künstliche neuronale Netze diese Nachteile nicht haben, soll eine Reihe von Rechenprogrammen als Werkzeuge zur Klassifikation und Strukturerkennung in klinischen Fragestellungen erarbeitet bzw. angepasst werden.
In Zusammenarbeit mit der Klinik und Poliklinik für Urologie wird mit Hilfe von künstlichen neuronalen Netzen untersucht, welchen Wert klinische und histologische Parameter für die Vorhersage eines Prostatakarzinoms haben. Zur Unterscheidung des Prostatakarzinoms von der benignen Prostatahyperblasie oder der chronischen Prostatitis werden Laborwerte und klinische Daten mittels eines Backpropagation-Netzes prospektiv analysiert, um zukünftig anhand aller Parameter ein individuelles Risiko für die Entwicklung eines Karzinoms angeben zu können. Dieser Vorhersagewert soll dann die Entscheidungsfindung zur Indikation einer Prostatastanzbiopsie erleichtern.
Europäisches Projekt: MEDPHOT - Optical Methods for Medical Diagnosis and Monitoring of Diseases (QLRT-1999-31464)
Multizentrische Studie: Erhaltungstherapie kutaner T-Zell-Lymphome (T1-2,
NO-1, MO) mit Interferon alfa-2a versus Beobachtung nach Erreichen einer
kompletten Remission durch eine Kombinationstherapie Interferon alfa-2a plus
PUVA (CTCL III)
Gefördert durch: Hoffmann-LaRoche AG
Multizentrische Studie: Akzelerierte Strahlentherapie ± 5 Fluorouracil/Mitomycin
C bei lokal fortgeschrittenen Kopf-Hals-Tumoren
Gefördert durch: Deutsche Krebshilfe (Projekt-Nr. 70/1693)
Klinische Studie: Neurotraumatologie und Neuropsychologische
Rehabilitation: Umorganisation und Reorganisation des motorischen Systems nach
Hirn-, Rückenmarks- und Nervenläsionen (TPB5)
Gefördert durch: BMBF (FKZ 01KO9815)
Klinische Studie: Chembonet - Randomisierte Phase II/III-Studie zur Effektivität einer hyperthermen Chemotherapie (Oxaliplatin/Capecitabine) versus alleiniger Chemotherapie bei zuvor bestrahlten Patienten mit Lokalrezidiv eines Rektumkarzinoms
Entwicklung multimedialer Lernsoftware für die statistische
Grundausbildung in Deutschland
Gefördert durch: BMBF (FKZ 08NM091B)
Aktuelle Projekte Abgeschlossene Projekte ab Juni 2003 Projekte vor 2003 UKBF (FU)
Home Last update: 16. Oktober 2009