Spring til indhold

Forskningsstyrke

Precision Medicine

Forskningsstyrke

Precision Medicine

Det gamle paradigme

Hidtil har man introduceret ny medicin, som efter grundige randomiserede forsøg på en stor gruppe patienter har vist bedre effekt end den gamle medicin. Rationalet har været, at hvis den nye medicin virker bedre på en gruppe af patienter, er det også sandsynligt, at den virker bedre på de enkelte patienter.

Det nye paradigme

Inden for personlig medicin tager man derudover også hensyn til de individuelle forskelle i menneskers genetik, miljø og historik. De store datamængder, som man trækker viden ud af, fungerer som et enormt erfaringsgrundlag. Man lærer af de erfaringer, som andre har gjort sig, og kan på den baggrund langt bedre tilrettelægge den behandling, der med størst sandsynlighed er den rigtige for den enkelte patient.

Det, der passer bedst til den enkelte patient

Personlig medicin handler om at udvælge den behandling, der passer bedst til den enkelte patient. En forudsætning for at kunne gøre det er, at man forstår og tager højde for den genetiske profil for hver enkelt patient – men også har detaljeret indsigt i sygdomsudviklingen og de kliniske data, som varierer individuelt. Det gælder om at kombinere og tyde disse enorme mængder af data.

Finder løsninger sammen

Eksperter fra både medicin, biostatistik, datamanagement, genetik og molekylærbiologi samarbejder for at kunne håndtere og tolke de store mængder data. Dataene kombineres og tolkes, og det giver viden, som gør det muligt at identificere den bedste behandling for den enkelte patient.

Store potentialer for sundheden

De mange kilder til viden om sygdomme og risici rummer store potentialer for sundheden. Adgangen til langt større datamængder vil gøre sundhedsvæsenet i stand til bedre at diagnosticere, risikostratificere og på sigt udvikle ny medicin.

Ekspertiser

  • Prædiktiv modellering
  • Molekylær medicin
  • Genomics, epigenomics, transcriptomics, proteomics og metabolomics
  • Molekylært målrettet kræftbehandling
  • Unsupervised learning
  • Biomarkører
  • Data science infrastruktur
  • Datadrevet personlig medicin
  • Beslutningsstøtte

Kontakt

for mere information
Professor Inge Søkilde
Klinisk Institut, AAU
Kontakt Inge
Professor Karen Dybkær
Klinisk Institut, AAU
Kontakt Karen
Lektor Palle Duun Rohde
Institut for Medicin og Sundhedsteknologi, AAU
Kontakt Palle