Das Wesen der Epidemiologie besteht in der Analyse von Zusammenhängen zwischen Ursachen und Folgen auf den Gesundheitszustand des Menschen. Welche Kombination von Einflüssen führt zu einem erhöhten Risiko, eine bestimmte Krankheit zu bekommen? Um diese komplexen Zusammenhänge analysieren zu können, bedarf es einer umfangreichen Datengrundlage in Form breit angelegter Bevölkerungsstudien wie der „Study of Health in Pomerania“ (SHIP), die in regelmäßigen Abständen Daten über eine große Probanden-Kohorte sammelt. Um jenseits von bewährten statistischen Werkzeugen komplexe Zusammenhänge in diesem Datenschatz zu erfassen, bedarf es Visualisierungen, die den Epidemiologen dabei helfen, die Daten hypothesengesteuert zu analysieren. Hierbei müssen Techniken entwickelt werden, die es ermöglichen, die verschiedenen soziodemografischen und medizinischen Parameter der Studien effizient miteinander in Verbindung zu bringen, um Zusammenhänge abzuleiten.
Medizinische Bildverarbeitung und Visualisierung gewinnt in der Epidemiologie an Bedeutung, seit Ganzkörper-MRT-Scans ein Teil der Datenakquise großer Studien wie der SHIP sind. Neben der Erkennung von Pathologien interessieren sich die Epidemiologen für neue statistische Kennzahlen, wie beispielsweise den Umfang einer bestimmten Struktur oder Abstände zwischen verschiedenen Gewebetypen.
Den Fokus der Forschung haben wir hier zunächst auf die Formvariationsanalyse der Wirbelsäule gelegt. Konkret geht es darum, pathologische Formveränderungen von altersbedingten Erscheinungen zu unterscheiden. Hierfür müssen die einzelnen Wirbelkörper bis hin zur gesamten Lendenwirbelsäule so aufbereitet werden, dass zwischen verschiedenen Probanden Vergleiche angestellt werden können.
Ein eigens hierfür entwickeltes System verbindet Informationsvisualisierungen von soziodemografische und medizinische Parametern mit der Formvariationsvisualisierung von relevanten Strukturen (obere Abbildung Visualisierungssystem). Dieses System ist ein wichtiges Werkzeug für Epidemiologen, die bisher statistische und bildbasierte Analysen zu weiten Teilen methodisch voneinander trennen. Überblicksvisualisierungen über mehrere hundert epidemiologische Parameter gleichzeitig sollen eine explorative Datenanalyse ermöglichen (untere Abbildung Ähnlichkeitsmatrix). So können anhand der Daten nicht nur Hypothesen über Risikofaktoren für Krankheiten überprüft werden, sondern auch neue Zusammenhänge und damit Hypothesen erkannt werden.
Dieses Projekt wird unter der Leitung von Prof. Dr. Bernhard Preim (Otto-von-Guericke-Universität Magdeburg) seit 2012 gefördert.
 |
 |
Eröffnung
