Themen für Abschlussarbei­ten

Hintergrund

Für eine zielgenaue Therapie von Patienten:innen mit Gehirntumoren ist die Umrandung (sog. „Konturierung“) der vorliegenden Tumore auf MRT-Bildern (siehe Abbildung 1) ein essenzieller Schritt in der Therapieplanung.  Im Rahmen der Tumor-Konturierung werden dafür auf 2D-MRT-Bildern die vorliegenden Tumore durch Ärzt:innen und Strahlentherapeut:innen händisch möglichst präzise umrandet. Durch ein Zusammenfügen mehrerer Schichten der 2D-MRT-Bilder können 3D-Repräsentationen der Tumore erzeugt und das Volumen der Tumore bestimmt werden. Die ermittelten Volumina dienen als Grundlage für die Berechnung von möglichen Dosierungen einer medikamentösen Behandlung oder Strahlentherapie.

Abbildung 1: Beispiel für Tumorkonturierung aus Jabareen & Lukassen 2022 (https://doi.org/10.1007/978-3-031-08999-2_32) 

Die händische Konturierung der Tumore in MRT-Bildern ist eine zeitintensive Aufgabe, die von Ärzt:innen bzw. Strahlentherapeut:innen viel Konzentration erfordert. Dabei kann es zu Flüchtigkeits- und Konzentrationsfehlern kommen. Zudem gibt es Unterschiede in der Genauigkeit der Konturen zwischen unterschiedlichen Konturierer:innen. Es wird daran geforscht, das medizinische Personal durch eine (Teil-)Automatisierung der Tumor-Konturierung zu entlasten. Hierbei kommen vor allem Lösungen basierend auf Verfahren des Maschinellen Lernens (ML) zur Anwendung.

Es gibt begründete Befürchtungen, dass ein unbedachter Einsatz solcher Unterstützungslösungen negative Folgen wie Fehler in der Aufgabenbearbeitung aufgrund eines Übervertrauens der Nutzenden in die Automation (sog. „Automation Bias“) verursachen könnten. Im Rahmen der Masterarbeit sollen daher Ansätze analysiert werden, um Automation Biases vorzubeugen (Debiasing Strategien). Es soll auch erarbeitet werden, wie diese im Rahmen einer (Teil-)Automatisierung der Tumor-Konturierung umgesetzt werden können. 

Fragestellungen

• Welche Debiasing Strategien wurden bereits im Feld der Tumor-Konturierung (bzw. für klinische Entscheidungsunterstützungssysteme oder in anderen Hochsicherheitsbereichen) verwendet?
• Welche der Debiasing Strategien bieten sich für eine Umsetzung im Bereich der Tumor-Konturierung an? 
• Wie können geeignete Debiasing Strategien im Bereich der Tumor-Konturierung prototypisch umgesetzt werden? 
• Wie werden die prototypisch umgesetzten Debiasing Strategien von Nutzenden wahrgenommen und bewertet?

Aufgaben

• Literaturreche und Zusammentragen vorhandener Debiasing Strategien 
• Analyse der Eignung und Auswahl geeigneter Debiasing Strategien für die Tumor-Konturierung 
• Prototypische Umsetzung ausgewählter Debiasing Strategien im Bereich der Tumor-Konturierung
• Nutzerzentrierte Evaluation der prototypischen Umsetzungen 

Anforderungen / Voraussetzungen

Vorteilhaft, aber nicht zwingend sind Kenntnisse in der Frontend-Entwicklung bzw. Konzeption von Benutzeroberflächen und / oder Kenntnisse im Bereich „User-Centered Design“ bzw. „Usability“.

Kooperationspartner

Nachwuchsgruppe CDS2USE – „Prospektiv-nutzergerechte Gestaltung klinischer Entscheidungsunterstützungssysteme im Kontext personalisierter Medizin“ der TU Dresden in Zusammenarbeit mit der Nachwuchsforschergruppe „Medical Omics“ der Charité Berlin

Ansprechpartner

Herr Ian-C. Jung
Mail: Ian-Christopher.Jung@ukdd.de
Tel.: 0351-458-7711
Raum: Haus M161, Raum 1.318

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

Hintergrund

Für eine ergonomische Gestaltung der Benutzeroberfläche existieren zahlreiche Empfehlungen, so z.B. die ISO-Norm 9241-112 für gute Informationspräsentation, die Windows „Guidelines for human-AI interaction design“ oder Empfehlungen für die Visualisierung komplexer Informationen. Jedoch wurden diese Empfehlungen allgemein für die Gestaltung "interaktiver Systeme" formuliert und berücksichtigen nicht den spezifischen medizinischen Kontext. Herausforderung ist es daher zu prüfen, inwiefern diese Empfehlungen übertragbar sind, angepasst und ergänzt werden müssen; gerade auch, um systemgenerierte Entscheidungen nachvollziehen zu können (Transparenz).

Die meisten visuellen Analysesysteme verwenden instanzbasierte Methoden, d.h. es wird die Eingabe-Ausgabe-Beziehung bekannter Datenpunkte beobachtet, um lokale Erklärungen zu erstellen, die die Vorhersage eines einzelnen Datenpunkts genau erklären. Instanzbasierte Analysen sind eine verbreitete Technik, die im Bereich maschinellen Lernens zum Testen und Debuggen von Modellen verwendet wird, wobei Experten häufig einen kuratierten Satz bekannter Instanzen verwenden. Die Anzahl der Visualisierungen hat in den letzten 5 Jahren stark zugenommen. Beispiele dafür sind die Visualisierung von Fairnessproblemen beim maschinellen Lernen, das Verständnis der Dimensionsreduktion, die Erläuterung des Trainings neuronaler Netze und die Visualisierung grundlegender Techniken. Eine Handvoll dieser Visualisierungssysteme sind Open-Source-Systeme. Eine wachsende Tendenz ist es, „erklärbare“ Beschreibungen zu verwenden - interaktive Artikel, die neben erläuternden Texten auch interaktive Grafiken, Visualisierungen, Simulationen und Modelle verwenden, um Konzepte zu erklären. Neben Erklärungen zur Datenvisualisierung für Modelle haben Forscher eine Reihe Algorithmen-basierter Erklärungen erstellt (z. B. Aufmerksamkeit, Hervorhebung und Merkmalsvisualisierung). Diese Methoden sind jedoch häufig statisch und werden isoliert untersucht. Eine Herausforderung ist es, diese Erklärungen mit interaktiven Schnittstellen zu kombinieren, damit Benutzer Modelle besser und schneller verstehen können.

Aufgaben

• Ermittlung bestehender/möglicher Darstellungskonzepte für Benutzerschnittstellen (bestehende Design-Richtlinien, Normen, Styleguides; Empfehlungen/Konzepte aktueller Studien)
• Ermittlung technischer Möglichkeiten zur transparenten, nachvollziehbaren Ergebnisdarstellung (Tools und Visualisierungsmöglichkeiten) 
• Evaluierung von Visualisierungssystemen hinsichtlich Darstellungs- und Einsatzmöglichkeiten im klinischen Kontext unter Einhaltung regulatorischer Gegebenheiten 
• Extraktion spezifischer Darstellungskonzepte und Erstellung spezifischer Benutzeroberflächen-Visualisierungskonzepte für ausgewählte Use Cases
• Implementierung von ersten kontextsensitiven Visualisierungsmöglichkeiten für ausgewählte Use Cases
• Testung der Funktionalität und der Usability ("Nutzerfreundlichkeit") der Visualisierungskonzepte) 
• Optimierung der entwickelten Visualisierungsmöglichkeiten

Kooperationspartner

Nachwuchsgruppe CDS2USE – „Prospektiv-nutzergerechte Gestaltung klinischer Entscheidungsunterstützungssysteme im Kontext personalisierter Medizin“

Ansprechpartner

Herr Ian-C. Jung
Mail: Ian-Christopher.Jung@ukdd.de
Tel.: 0351-458-7711
Raum: Haus M161, Raum 1.318

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

Hintergrund

Kontextsensitivität von Systemen ist Bestandteil aktueller Forschungen und befindet sich derzeit in einer sehr frühen Phase. Um eine situative Entscheidungsunterstützung im klinischen Bereich zu realisieren, kann entweder auf eine explizite Wissensmodellierung (über SOPs oder digitalisierte Leitlinien) oder auf implizite Wissensmodellierungen (über lernende Algorithmen, künstliche Intelligenzen) oder auf eine Kombination aus beidem zurückgegriffen werden.

Ein essentieller Bestandteil bei der Entwicklung kontextsensitiver Systeme besteht in der Entscheidung, welche Daten für die Bestimmung des Kontextes notwendig sind und wie diese ermittelt werden, ohne den Nutzer durch ständige Nachfragen zu belasten und so die Akzeptanz zu reduzieren. Zudem hängen Grad und Akzeptanz der Unterstützung stark von den Fähigkeiten des Systems ab, selbständig zu entscheiden ob eine Unterstützung benötigt wird und wenn ja, wie diese aussehen soll. Notwendig dafür ist die Möglichkeit, dass das System den Kontext erkennt, in dem der Nutzer sich befindet (sog. „empathische Entscheidungsunterstützungssysteme“). Eine Herausforderung ist daher, die Erkenntnisse der Forschung zu emphatischen Systemen mit denen der Recommender-Systeme, ML/KI-basierten Systeme sowie denen der expliziten Modellierung (Leitlinien, regelbasierten Expertensysteme) zu verbinden, um damit jede Form des Wissens um Situationen und Entscheidungen nutzbar zu machen.

Aufgaben

• Ermittlung von Möglichkeiten zur Bestimmung von Kontexten aus der (klinischen) Umgebung 
• Modellierung der Umgebung unter Einbezug verschiedener Parameter
• Ermittlung von Möglichkeiten zur Bestimmung des menschlichen Gemütszustandes (z.B. Stresspegel der Nutzerin/des Nutzers)
• Implementierung von ersten Algorithmen zur Erkennung von Kontexten für ausgewählte Use Cases
• Evaluation der Algorithmen unter Nutzung von Usability Methoden
• Optimierung der initial entwickelten Algorithmen basierend auf der Evaluation

Kooperationspartner

Nachwuchsgruppe CDS2USE – „Prospektiv-nutzergerechte Gestaltung klinischer Entscheidungsunterstützungssysteme im Kontext personalisierter Medizin“

Ansprechpartner

Frau Katharina Schuler, M.Sc.
Mail: Katharina.Schuler@ukdd.de
Tel.:  0351-458-7724
Raum: Haus M161, Raum 1.318

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

Hintergrund

Für die einzelnen Entwicklungsphasen eines Systems existieren viele verschiedene Evaluationsmethoden, beispielsweise expertenorientierte/analytische Methoden wie die Heuristische Evaluation oder Walkthrough-Verfahren, oder benutzerorientierte/empirische Methoden wie Usability Tests oder Fragebögen. Diese Evaluierungsmethoden sind jedoch sehr allgemein formuliert, um möglichst passfähig für eine große Bandbreite an Systemen zu sein, berücksichtigen jedoch nicht die domänenspezifischen Merkmale klinischer Entscheidungsunterstützungssysteme (basierend auf intelligenten Verfahren) bzw. den Kontext einer multidisziplinären, medizinischen Entscheidungsfindung. Eine Herausforderung ist daher, a.) diese Methoden dahingehend zu prüfen inwieweit sie für klinische Entscheidungsunterstützungssysteme in Kontext personalisierter Medizin prinzipiell geeignet sind, b.) geeignete Methoden auf den Kontext personalisierter Medizin anzupassen und c.) neue Methoden zu entwickeln, die spezifisch auch die Transparenz der Gestaltung/Verständlichkeit der komplexen Visualisierungen abprüfen.

Was bisher ebenfalls fehlt ist eine standardisierte Auswahlsystematik, wann welche Methode eingesetzt werden kann bzw. welche Methodenkombination sich am besten für die Beantwortung einer bestimmten Forschungsfrage eignet. In Bezug auf mögliche Klassifikationsschemen von Usability-Methoden gibt es bereits Arbeiten, die jedoch in Bezug auf die Bezeichnung und Untergliederung der Klassen voneinander abweichen und nicht spezifisch für Entscheidungsunterstützungssysteme entwickelt wurden.

Aufgaben

• Ermittlung bestehender/möglicher Evaluierungsmethoden für klinische Entscheidungsunterstützungssysteme im Kontext personalisierter Medizin zur Überprüfung von Gestaltungslösungen (Expertenmethoden und Benutzertests, formative und summative Methoden)
• Systematisierung der Methoden und Entwicklung einer ersten Auswahlsystematik für verschiedenste Forschungsfragestellungen
• Anpassung der Evaluierungsmethoden für den spezifischen Kontext/spezifische Use Cases 
• Evaluation/Testung der Eignung der Evaluationsmethoden einschließlich der initialen Auswahlsystematik 
• Anpassung der Evaluierungsmethoden für den spezifischen Anwendungskontext (entsprechend der jeweiligen Anwendungsfälle)
• Testung der Regeln im Rahmen von Experten und Benutzertests

Kooperationspartner

Nachwuchsgruppe CDS2USE – „Prospektiv-nutzergerechte Gestaltung klinischer Entscheidungsunterstützungssysteme im Kontext personalisierter Medizin“

Ansprechpartner

Frau Dr. Brita Sedlmayr
Mail: Brita.Sedlmayr@ukdd.de
Tel.: 0351-458-7700
Raum: Haus M161, Raum 1.318

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

Hintergrund

Die Entwicklung eines klinischen Data Warehouses erfordert die Datenintegration aus unterschiedlichen Bereichen der Kliniken. So müssen Daten aus dem Klinikinformationssystem, dem Laborinformationssystem, Radiologieinformationssystem, der Medikationsdatenbank, den Arztbriefen, etc. extrahiert, transformiert und geladen werden. Neben der Datenintegration innerhalb einer Klinik kommt die einrichtungs- und sektorenübergreifende Kommunikation hinzu, wobei Gesundheitsinformationen zwischen unterschiedliche Stakeholder und deren Anwendungssysteme ausgetauscht werden müssen. Damit die Informationen überhaupt ausgetauscht und gleichzeitig korrekt verstanden werden, müssen die semantische und syntaktische Interoperabilität beachtet werden. Interoperabilität ist die Fähigkeit von Informationssystemen, nahtlos zu kommunizieren, indem Informationen ausgetauscht und genutzt werden [1]. Bei der Gewährleistung von semantischer und syntaktischer Interoperabilität spielen Standard eine entscheidende Rolle. Beispiele sind:

• Common Data Models (CDM), um Daten aus unterschiedlichen Quellen zu standardisieren und zu harmonisieren, wie das Observational Medical Outcomes Partnership CDM (OMOP CDM) [2];
• Kommunikationsstandards, für den standardisierten Datenaustausch, wie die Fast Healthcare Interoperability Resources (FHIR) von Heath Level 7 (HL7) [3];
• Terminologie und Standards, die ein medizinisches Konzept referenzieren, wie ICD-10-GM für die deutsche Bezeichnung von Diagnosen [4] oder ATC für Medikationsdaten [5]. 

Terminologien und ihre Mappings – also das Aufeinanderabbilden von Datenelementen – können mit Hilfe unterschiedlicher Ansätze gespeichert und versioniert werden. Am Datenintegrationszentrum des Uniklinikums Carl Gustav Carus in Dresden wird derzeitig die sogenannte Transition Database entwickelt [6,7]: Diese gewährleistet die Speicherung von Terminologien und deren Versionen sowie eine niederschwellige Übertragung von Mapping-Tabellen in eine Datenbankstruktur. 

Medizinischer Hintergrund

Im Fokus der Arbeit liegen Terminologien, die für die korrekte Angabe von Diagnosen von Seltenen Erkrankungen genutzt werden. In der Europäischen Union gilt eine Erkrankung als selten, wenn sie weniger als 5 von 10.000 Menschen betrifft [8]. Seltene Krankheiten stellen sowohl für die Patient:innen und ihre Angehörigen als auch für das Gesundheitswesen eine große Herausforderung dar. Neben der schwierigen Diagnostik und Therapie, stellt die Dokumentation der Diagnosen eine große Hürde dar. Seltene Erkrankungen sind derzeit nur unzureichend durch Klassifikationen beschrieben, weshalb alternative Ansätze benötigt werden. Orphanet bietet eine mehrsprachiges Portal mit Informationen über Seltene Erkrankungen und Orphan Drugs. Eine wichtige Komponente ist der OrphaCode, der eine eindeutige und stabile Kennung für einzelne Seltene Erkrankungen ist [9]. Es gibt verschiedene Mappings von OrphaCodes zu weiteren Terminologien. Diese werden gerade im Rahmen der Forschungsarbeiten des Themenschwerpunkts Seltene Erkrankungen evaluiert.

Aufgabe

Ziel der Arbeit ist die Entwicklung eines Graphical User Interfaces (GUI) für die Transition Database. Dieses soll für das Browsing durch die Terminologien und Mappings im Kontext Seltener Erkrankungen genutzt werden. Hierfür sollen mittels einer Anforderungsanalyse die beteiligten Stakeholder sowie deren Bedarfe und Wünsche an die GUI ermittelt und priorisiert werden. Denkbar ist dabei der Entwurf eines agilen Lastenhefts [10]. Die Umsetzung soll den aktuellen Standards bei der Entwicklung von GUIs entsprechen und in einem Prototyp resultieren.

Weiterführende Literatur

1. Pedersen S, Hasselbring W. Interoperabilität für Informationssysteme im Gesundheitswesen auf Basis medizinischer Standards. Inform - Forsch Entwickl. 1. April 2004;18(3–4):174–88. 

2. FitzHenry F, Resnic FS, Robbins SL, Denton J, Nookala L, Meeker D, u. a. Creating a Common Data Model for Comparative Effectiveness with the Observational Medical Outcomes Partnership. Appl Clin Inform. 2015;06(03):536–47. 

3. Lehne M, Luijten S, Vom Felde Genannt Imbusch P, Thun S. The Use of FHIR in Digital Health – A Review of the Scientific Literature. Ger Med Data Sci Shap Change – Creat Solut Innov Med. 2019;52–8. 

4. Bundesinstitut für Arzneimittel und Medizinprodukte. ICD-10-GM [Internet]. Klassifikationen. 2021 [zitiert 3. Juni 2021]. Verfügbar unter: https://www.dimdi.de/dynamic/de/klassifikationen/icd/icd-10-gm/

5. Bundesinstitut für Arzneimittel und Medizinprodukte. ATC-Klassifikation [Internet]. Arzneimittel. 2021 [zitiert 3. Juni 2021]. Verfügbar unter: https://www.dimdi.de/dynamic/de/arzneimittel/atc-klassifikation/

6. Kümmel M, Reinecke I, Gruhl M, Bathelt F, Sedlmayr M. Transition Databse for a harmonized mapping of German patient data to the OMOP CDM. In: 2020 OHDSI European Symposium. 2020. 

7. Zoch M, Gierschner C, Peng Y, Gruhl M, Leutner LA, Sedlmayr M, u. a. Adaption of the OMOP CDM for Rare Diseases. Stud Health Technol Inform. 2021;281:138–42.

8. Aymé S, Schmidtke J. Networking for rare diseases: a necessity for Europe. Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz. 2007;50(12):1477–83. 

9. Rath A, Olry A, Dhombres F, Brandt MM, Urbero B, Ayme S. Representation of rare diseases in health information systems: The orphanet approach to serve a wide range of end users. Hum Mutat. 2012;33(5):803–8. 

Ansprechpartnerin

Frau Michele Zoch
Mail: michele.zoch@tu-dresden.de

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

Hintergrund

Kopfschmerzen und psychische Symptome sind bei Jugendlichen weit verbreitet und können erheblichen Einfluss auf ihre Lebensqualität, ihr Wohlbefinden und ihre schulische Leistungsfähigkeit haben. Jedoch fehlt es häufig an geeigneten Methoden zur kontinuierlichen und strukturierten Erfassung dieser Symptome, was gezielte therapeutische Maßnahmen erschwert. Nach medizinischer Betreuung oder Aufenthalten besteht zudem das Problem, dass die Zielgruppe erlernte Strategien und Übungen nicht ausreichend beibehält oder diese nur schwer in ihren Alltag integrieren kann.

Das Ziel dieser Bachelor-/Masterarbeit ist die Konzeptentwicklung einer mobilen Anwendung (App), die es Jugendlichen ab 16 Jahren ermöglicht, ihre Kopfschmerzen sowie psychischen Symptome (wie z.B. Stress, Ängste, Stimmungsschwankungen) einfach und regelmäßig zu dokumentieren. Die App soll die gesammelten Daten übersichtlich aufbereiten, sodass sowohl die Betroffenen selbst als auch Ärzt:innen und Therapeut:innen den Verlauf der Symptome nachvollziehen und die Behandlung entsprechend optimieren können. Darüber hinaus soll die App Übungen für den Alltag bereitstellen und die Jugendlichen dabei unterstützen, diese regelmäßig anzuwenden.

Aufgaben

• Marktanalyse: Es soll eine umfassende Analyse (national und international) bereits existierender mobiler Anwendungen zur Dokumentation von Kopfschmerzen und psychischen Symptomen bei Jugendlichen erfolgen. Die Analyse soll sich auf die vorhandenen Funktionen, Benutzerfreundlichkeit, Zielgruppenansprache und mögliche Schwächen fokussieren.
• Spezifikation des Nutzungsszenarios: In Zusammenarbeit mit Ärzt:innen der Kopfschmerzambulanz soll ein Nutzungsszenario für die App entwickelt werden. Hierbei sollen medizinische Anforderungen, typische Dokumentationsbedarfe sowie die Anwendung der App im Alltag der Zielgruppe definiert werden.
• Nutzeranalyse: Um die besonderen Bedürfnisse und Herausforderungen der Nutzergruppe besser zu verstehen und in die Konzeption der App einfließen zu lassen, soll einer Nutzeranalyse durchgeführt werden. Die spezifischen Charakteristika der Zielgruppe (Jugendliche ab 16 Jahren) sollen dabei in Form von Zielgruppenbeschreibungen (sog. „Personas“) abgebildet werden. 
• Eignungsanalyse: Basierend auf der Marktanalyse soll geprüft werden, welche bestehenden Ansätze weiterentwickelt werden können. Dabei soll insbesondere darauf eingegangen werden, inwieweit die existierenden Apps den spezifischen Bedürfnissen von Jugendlichen ab 16 Jahren gerecht werden und welche Verbesserungen notwendig wären.
• Grobkonzept der App: Anschließend soll ein Grobkonzept entwickelt werden, das die wesentlichen Funktionsbereiche und Inhalte der App umfasst. Hierbei sollen die Ergebnisse der Marktanalyse, Eignungsanalyse und Nutzeranalyse berücksichtigt werden. 
• Evaluation des Konzepts: Abschließend soll geprüft werden, ob das erarbeitete Konzept, welches als nutzbares Ergebnis für die Kopfschmerzambulanz dienen soll, den Anforderungen gerecht wird und treffend entwickelt wurde.

Die Konkretisierung der Aufgabenstellung erfolgt in einem persönlichen Gespräch mit den Betreuer:innen. Die Entscheidung zur Vergabe des Themas bleibt bei den Betreuer:innen. Interessenschwerpunkte der/des Studierenden können bei der Formulierung der Aufgabenstellung berücksichtigt werden. Der Umfang der Arbeit kann den Anforderungen (Bachelor- oder Masterarbeit) entsprechend angepasst werden.

Anforderungen / Voraussetzungen

• Studium der Gesundheitswissenschaften („Public Health“) oder Medieninformatik
• Interesse an der Entwicklung von Gesundheitsanwendungen und der Arbeit mit der Zielgruppe Jugendliche 

Ansprechpartner

Dr. Brita Sedlmayr
Mail: brita.sedlmayr@ukdd.de
Tel.:  0351-458-7700
Raum: Haus M161, Raum 1.318

Die Bachelor-/Masterarbeit wird in Kooperation mit der Kopfschmerzambulanz des USC - Universitäts SchmerzCentrums betreut. 

Verantwortlicher Hochschullehrer: Prof. Dr. rer. nat. Dr. habil. med. Martin Sedlmayr

We are looking for a candidate with an interest in model simulations and data analysis, and a basic background in programming.

Project: Modeling and monitoring clonal time courses in blood

Continuous production of mature blood cells is driven by a limited number of hematopoietic stem cells (HSC) that possess the ability for long-term self-renewal while at the same time contributing to the differentiation hierarchy. The assessment of the offspring of those cells (usually referred to as clones) provides an unparalleled view not only on the underlying mechanisms of hematopoietic regeneration but also on disease development. It is particularly interesting to see how the acquisition of mutations alters the competitive advantages of certain cells and may lead to the dominance of the affected clones. Recent advances in sequencing technologies revealed that characteristic mutations, which are seen in many hematopoietic diseases, occur as early as in embryonic development but are typically not detected before the age of 60. This implies that clones affected by such deleterious mutations may spread very slowly.

We aim to establish stochastic models describing changes in the clonal abundance as a function of the overall number of stem cells, their turnover rate and the heterogeneity of their clonal fitness. We will identify suitable and experimentally feasible read-outs, apply them to the model data and compare the results with the same read-outs obtained from clonal time courses in different species. We will also investigate how moderate changes in clonal fitness and an increase in proliferative activity modulate the clonal patterns. Further assuming that some of the slowly expanding clones themselves fuel the proliferative activity can point towards a tipping behavior after which clonal dominance becomes unavoidable.

Our results, albeit theoretical in nature, are an essential asset to understand and interpret clonal time course data, both in a physiological but also in a pathological context.

If you are interested in this topic, please do not hesitate to contact PD Dr. Ingmar Glauche (ingmar.glauche@tu-dresden.de).