// background

‍

Endometrioza to złożona, bardzo zróżnicowana choroba, która wciąż nie jest dobrze rozumiana ani przez społeczeństwo, ani przez pracowników służby zdrowia. We współpracy z prof. dr Sylvią Mechsner z Centrum Endometriozy przy Charité – Uniwersytecie Medycznym w Berlinie stworzyliśmy jedną z największych baz danych zawierających relacje pacjentek na temat endometriozy i adenomiozy.

‍

// research focus

• Opracowanie ścieżek diagnostycznych i terapeutycznych od momentu pojawienia się pierwszych objawów
• Określenie przyczyn opóźnień w postawieniu diagnozy
• Analiza skutków społeczno-ekonomicznych i społeczno-psychologicznych
• Analiza wyników zgłaszanych przez pacjentów w przypadku terapii wielokierunkowych

// what we capture

‍

Ponad 2800 prawdziwych historii – od pierwszych objawów, przez diagnozę, konsultacje lekarskie, aż po leczenie. Zbiorcze dane socjodemograficzne ze wszystkich krajów regionu DACH. Subiektywne doświadczenia, porady, którymi pacjenci chcą się podzielić, oraz wyniki, których nie oddają dane z badań klinicznych.

‍

// eligibility

‍

Osoby dorosłe z rozpoznaniem endometriozy lub adenomiozy albo przechodzące obecnie badania diagnostyczne. Oferta skierowana do pacjentek z Niemiec, Austrii i Szwajcarii.

‍

// research team

‍

Prof. dr Sylvia Mechsner — kierowniczka projektu, Charité
Katrina Holmes — dr med., Charité / Tybinga
Ann-Katrin Abeler — doktorantka, Charité
Zeinab Soleimani — doktorantka, HPI

// background

‍

Na całym świecie 280 milionów ludzi cierpi na poważną depresję (MDD). Chociaż dostępnych jest wiele różnych leków przeciwdepresyjnych, mniej niż 6% pacjentów odnosi pełne korzyści z obecnego leczenia. Wskaźniki remisji wciąż są bardzo niskie. OPADE tworzy narzędzie prognostyczne oparte na sztucznej inteligencji i uczeniu maszynowym, które ma pomóc w podejmowaniu decyzji klinicznych w przypadku MDD. Projekt skupia się na osi jelitowo-mózgowej, badając, jak genetyka, epigenetyka, mikrobiom i sieci zapalne wpływają na reakcję na leczenie.

‍

// research focus

• Określ profile pacjentów, które pozwalają przewidzieć i zoptymalizować skuteczność leków przeciwdepresyjnych, zwiększając odsetek remisji i zmniejszając upośledzenie funkcjonowania
• Przedstawienie powiązań między wskaźnikami neurozapalnymi – mikrobiomem, metabolomiką, profilem immunologicznym, markerami epigenomicznymi i enzymatycznymi – a wynikami leczenia
• Oceń biomarkery molekularne i niemolekularne jako czynniki pozwalające przewidzieć nawrót choroby
• Poprawić trafność diagnostyczną w profilaktyce pierwotnej
• Prześledź pojawienie się objawów depresji wstecz, począwszy od okresu dojrzewania
• Określ, w jaki sposób biomarkery krwi korelują z innymi biomarkerami charakterystycznymi dla danej choroby

// what we capture

‍

Pacjenci dzielą się swoimi codziennymi doświadczeniami za pośrednictwem spersonalizowanego chatbota – opisują objawy, przyjmowane leki, terapie i ważne wydarzenia – a informacje te trafiają do narzędzia prognostycznego opartego na sztucznej inteligencji i uczeniu maszynowym.

‍

// eligibility

‍

Dorośli i młodzież w wieku 14–50 lat z poważnymi zaburzeniami depresyjnymi. Rekrutacja w sześciu krajach UE i innych państwach.

‍

// research team

‍

Oto lista partnerów badawczych

Projekt jest finansowany przez Unię Europejską