Ähnliche Patienten und Personalisierte Medizin

Gute niedrig-dimensionale Darstellung von komplexen genetischen Datenbergen, die man durch PCA, UMAP oder Autoencoder erhält, ermöglichen die Bestimmung und Gruppierung von Krebspatienten in „Clustern“. Durch weitere Analysen kann im Idealfall herausgefunden werden, dass bestimmte Cluster besser auf ein Medikament oder Therapie ansprechen als andere Patientengruppen. Dadurch wird eine individuellere und personalisierte Medizin in Zukunft möglich, die die individuelle Überlebenswahrscheinlichkeit drastisch verbessern kann.

Multi-Omics Datentabellen

	Mutation	Expression
	Gen1...Gen20123	Gen1...Gen20123
Patient 1	0 1 0 5
	...
Patient 666	34	34

~ 20.000

Dimensionen

📐

PCA

🏘️

UMAP

⏳

Autoencoder

                        Ähnliche Patienten werden in Gruppen zusammengefasst
                    
Dim 1
Dim 2

➜

Personalisierte Medizin vs. allgemeine Medizin

Überlebenschancen