职位描述 本站申请链接 https://en.w3offer.com/job/eindhoven-university-of-technology-recruits-phds-machine-learning-in-large-databases-for-cardiac-interventional-pci-therapy/ 在大型数据库中进行机器学习,用于心脏介入 PCI 治疗。 项目描述 背景和动机 与医学相关的创新成果从问世到应用于医疗实践之间的时间差很大。缩短这一滞后期是医疗保健系统面临的一项长期挑战。如今,在日常临床实践和研究中,每天都会产生和存储大量数据。如果我们能够成功地整合和评估这些全面的数字化医疗数据文档,将有望为医学科学带来意义深远的知识增长,并为未来受影响或面临风险的人群带来直接的好处。新技术使常规临床参数与人类基因组、组织中人类基因的活动(转录组和蛋白质组)或血液中的代谢物(代谢组)的功能网络联系起来成为可能。对这些数据的解读需要参考患病者和表型健康者的情况,从而利用来自临床和流行病学研究、医疗保险公司以及个人的知识(现实世界的数据,如饮食、运动、自我感觉等)。通过对医疗和医疗相关数据(大数据)进行全面的数字化分析,在对数据进行适当的组合和评估后,就能对疾病的发展和治疗方案有新的认识。在常规临床实践中使用数字数据和存储过程参数是现代医学面临的主要和核心挑战。与此同时,为了更好地了解疾病的发展和进程,对这些参数在整个人体机体中的协调变化进行创新性解读也非常重要。这意味着,迈向未来医学的第一步就是通过广泛、持续的数据收集、连接和分析,将信息有限的静态(实际状态:诊断结果)转化为动态、定向的过程(因果关系)。因此,数字医学有望成为更好地理解(扩展到个人的疾病分类)和更有针对性地预防疾病的关键。 研究方法 为了实现将个体 omics 数据与医学研究联系起来,我们首次对高通量方法(omics)和心脏导管图像进行了综合分析,旨在将基于全基因组的重要风险等位基因及其对循环蛋白质组水平的影响的功能分析与人类冠状动脉的动脉粥样硬化(形态学)变化结合起来。慕尼黑德国心脏中心是我们在这个项目中的合作伙伴之一,该中心每年治疗的病人超过 20,000 人,是全球心血管医学领域最全面的科研基础设施之一。其中包括 175,000 多例心导管检查、50,000 多名患者的基因分析以及包含标准化实验室值、心电图和超声心动图数据的综合临床数据库。对死亡率进行了长达 17 年的跟踪。该医疗用例通过整合大型异构数据集和使用基于人工智能的算法,为识别医学中的疾病相关特征(模式)提供了可能性。这将直接改善对患者的预测、预防和治疗。例如,通过对这些数据进行聚类,可以识别继发性心血管事件风险最高的患者,并为人工智能支持的决策铺平道路,从而实现个性化医疗。此外,识别这些聚类还具有相关的经济意义,因为高风险患者会给整个医疗系统带来沉重的经济负担。总之,这些模型具有三大优势。通过将相关临床患者群组与即时提取的生物标志物关联起来,可以确定风险分层、手术方法和随访制度。