MedUni Wien an erfolgreichem H2020-Call HELICAL beteiligt

Die MedUni Wien ist Kooperationspartner im Projekt HELICAL, einem internationalem Trainingsprojekt für 15 Early Stage Researchers auf dem Gebiet der Verarbeitung von Gesundheitsdaten. Der erfolgreiche Call wird aus Mitteln der H2020-Förderungsschiene der EU finanziert.

Die Koordination des über drei Jahre angelegten und mit 4,05 Mio. Euro geförderten Projekts liegt beim Trinity College Dublin/Tallaght University Hospital. Insgesamt haben sich in dieser Kooperation 23 Partnerinstitutionen zusammengeschlossen.

Nachwuchs für den wissenschaftlichen Umgang mit Gesundheitsdaten
Europäische ForscherInnen haben große genomische, transkriptomische und klinische Datensätze von PatientInnen mit chronischen Autoimmunkrankheiten zusammengetragen. Fortschritte in der Informationswissenschaft bieten beispiellose Möglichkeiten, um diese Datensätze zu nutzen, um die komplexe Biologie dieser Störungen, ihren Einfluss durch Umwelteinflüsse zu klären und ihre Verwaltung zu personalisieren. Allerdings ist die Nutzung dieser Möglichkeiten derzeit durch einen Mangel an ForscherInnen mit den erforderlichen Informatikkenntnissen und Kenntnissen über die gültigen Datenschutzgrundsätze begrenzt.
Das Trainingsnetzwerk HELICAL (HEalth data LInkage for ClinicAL benefit) entwickelt ein sektorübergreifendes und interdisziplinäres Programm, das NachwuchswissenschafterInnen (Early Stage Researchers) in der Analyse großer Datensätze schult.

Stelle an der MedUni Wien erforscht extrazelluläre Vesikeln
Die MedUni Wien (Klinisches Institut für Pathologie) übernimmt eine der 15 Early-Researcher-Positionen als PhD-Stelle und agiert als Secondment Institution für eine/n weiteren NachwuchswissenschafterIn. Der/die PhD-Studierende wird am Klinischen Institut für Pathologie an extrazellulären Vesikeln forschen, um diese als Biomarker für ANCA-Vaskulitis (Anti-neutrophil cytoplasmic autoantibody vasculitis) einsetzen zu können.
Die zweite zu vergebende Stelle (bei der Wiener Firma TissueGnostics) wird maschinelle Lernalgorithmen zur Analyse von Nierenschnitten aus 50 gut charakterisierten PatientInnen mit ANCA-Vaskulitis generieren, die aus Proben ausgewählt wurden, die zuvor in morphologiebasierten Ergebnisstudien verwendet wurden, und die computergenerierten Prädiktoren gegen manuell gelesene Abschnitte validieren. Dazu wird auch "Citizen Science" eingesetzt, um Freiwillige für die Online-Überprüfung der Bilder zu rekrutieren, was eine zusätzliche Validierungsebene darstellt.

Außerdem übernimmt die MedUni Wien bei zwei Work Packages den Lead - ,,Structured Training" und ,,Communication, dissemination, exploitation & outreach".