OPTI-TRIALS: Gemeinschaftliche Optimierung der Versuchsplanung durch Daten- und Fachwissenschaften; Teilvorhaben: Implantatmodelle und Software
Date
Editor
Advisor
Volume
Issue
Journal
Series Titel
Book Title
Publisher
Supplementary Material
Other Versions
Link to publishers' Version
Abstract
Das OPTI-TRIALS-Projekt zielt darauf ab, die experimentelle Planung für dynamische biologische und biomedizinische Prozesse, wie die Knochenheilung um abbaubare Implantate durch die Integration mechanistischer Modellierung, statistischer Inferenz und datengetriebener Methoden zu verbessern. Ziel war die Entwicklung eines modellbasierten Werkzeugkastens, der mittels fortgeschrittener statistischer Methoden die Rekonstruktion dynamischer Prozesse mit einer möglichst geringen Anzahl experimenteller Stichproben ermöglicht. So sollte eine Reduktion in der Zahl an Tierversuchen erreicht werden. Ein zentrales Forschungsfeld des Teilprojekts am Helmholtz-Zentrum Hereon ist die Degradation biologisch abbaubarer Magnesium-Implantate und die korrespondierende Knochenheilung auf allen hierarchischen Ebenen des Knochens. Zu Beginn des Projekts bestanden wenige Arbeiten in der Literatur zur mathematischen Modellierung des Implantatabbaus und keinerlei gekoppelte Simulationen von Implantatabbau und Knochenheilung. Darüber hinaus, gab es noch keine Ansätze die diese Modellierung mit statistischen Methoden für ein optimiertes Design of Experiment koppelten. Ein häufiger Fokus in der Vorhersage des in vivo Verhaltens des Implantats lag in der Korrelation von in vitro und in vivo Messungen. Auch hier wurde zum Projektstart noch keine mathematische Modellierung zur Unterstützung der Korrelation genutzt und die empirischen Ansätze waren meist auf wenige Zeitpunkte beschränkt. Aus diesem Grund setzte OPTI-TRIALS genau in dieser Lücke an: Es wurden biologische und multiphysikalische Beschreibungen der Prozesse erarbeitet und mittels Surrogatmodellen und Systemen gewöhnlicher Differentialgleichungen simuliert. Durch die Hinzunahme von in vitro Daten für die Vorhersage von in vivo Prozessen sollte darüber hinaus eine weitere Reduktion an Tierversuchsdaten erzielt werden.
