Sebastian Stäubert

About Sebastian Stäubert:

No description specified

LHA-ID: 7WDQPT9398-7

Location: Germany

Expertise: Not specified

Tools: Not specified

ORCID: https://orcid.org/0000-0002-7221-7415

Sebastian's tags

This person has not yet tagged anything.

Project positions

Other Projects: Natural Language Processing for Clinical Research (Institute for Medical Informatics, Statistics and Epidemiology) ; SMITH (Institute for Medical Informatics, Statistics and Epidemiology)

Related items

SMITH

No description specified

Programme: This Project is not associated with a Programme

Public web page: https://www.smith.care/

Start date: 1st Jan 2018

Human Diseases: Not specified

Natural Language Processing for Clinical Research

The NLP4CR project was initiated as part of Colleen Goldberg's master thesis. Medical information is not always available in a structured form, but as free text documentation. NLP techniques make it possible to analyse, annotate and extract these free texts. In this way, medical data can be made accessible for machine processing and for clinical research.

Programme: This Project is not associated with a Programme

Public web page: http://www.imise.uni-leipzig.de/Gruppen/MIG

Start date: 1st Jan 2015

Human Diseases: Not specified

Institute for Medical Informatics, Statistics and Epidemiology

Country: Germany

City: Leipzig

Web page: http://www.imise.uni-leipzig.de/en/

Der Leipzig Health Atlas

Leipzig Health Atlas

(Show All)

Abstract (Expand)

Die Notwendigkeit des Managements von Forschungsdaten ist von der Forschungscommunity erkannt – Sponsoren, Gesetzgeber, Verlage erwarten und fördern die Einhaltung der guten wissenschaftlichen Praxis, … was nicht nur die Archivierung umfasst, sondern auch die Verfügbarkeit von Forschungsdaten- und ergebnissen im Sinne der FAIR-Prinzipien. Der Leipzig Health Atlas (LHA) ist ein Projekt zur Präsentation und zum Austausch eines breiten Spektrums von Publikationen, (bio) medizinischen Daten (z.B. klinisch, epidemiologisch, molekular), Modellen und Tools z.B. zur Risikoberechnung in der Gesundheitsforschung. Die Verbundpartner decken hierbei einen breiten Bereich wissenschaftlicher Disziplinen ab, beginnend von medizinischer Systembiologie über klinische und epidemiologische Forschung bis zu ontologischer und dynamischer Modellierung. Derzeit sind 18 Forschungskonsortien beteiligt (u.a. zu den Domänen Lymphome, Gliome, Sepsis, Erblicher Darm- und Brustkrebs), die Daten aus klinischen Studien, Patientenkohorten, epidemiologischen Kohorten, teilweise mit umfangreichen molekularen und genetischen Profilen, sammeln. Die Modellierung umfasst algorithmische Phänotypklassifizierung, Risikovorhersage und Krankheitsdynamik. Wir konnten in einer ersten Entwicklungsphase zeigen, dass unsere webbasierte Plattform geeignet ist, um (1) Methoden zur Verfügung zu stellen, um individuelle Patientendaten aus Publikationen für eine Weiternutzung zugänglich zu machen, (2) algorithmische Werkzeuge zur Phänotypisierung und Risikoprofilerstellung zu präsentieren, (3) Werkzeuge zur Durchführung dynamischer Krankheits- und Therapiemodelle interaktiv verfügbar zu machen und (4) strukturierte Metadaten zu quantitativen und qualitativen Merkmalen bereit zu stellen. Die semantische Datenintegration liefert hierzu die Technologien (Ontologien und Datamining Werkzeuge) für die (semantische) Datenintegration und Wissensanreicherung. Darüber hinaus stellt sie Werkzeuge zur Verknüpfung eigener Daten, Analyseergebnisse, öffentlich zugänglicher Daten- und Metadaten-Repositorien sowie zur Verdichtung komplexer Daten zur Verfügung. Eine Arbeitsgruppe zur Applikationsentwicklung und –validierung entwickelt innovative paradigmatische Anwendungen für (1) die klinische Entscheidungsfindung für Krebsstudien, die genetische Beratung, für Risikovorhersagemodelle sowie Gewebe- und Krankheitsmodelle und (2) Anwendungen (sog. Apps), die sich auf die Charakterisierung neuer Phänotypen (z.B. ‚omics‘-Merkmale, Körpertypen, Referenzwerte) aus epidemiologischen Studien konzentrieren. Diese Anwendungen werden gemeinsam mit klinischen Experten, Genetikern, Systembiologen, Biometrikern und Bioinformatikern spezifiziert. Der LHA stellt Integrationstechnologie bereit und implementiert die Anwendungen für die User Communities unter Verwendung verschiedener Präsentationswerkzeuge bzw. Technologien (z.B. R-Shiny, i2b2, Kubernetes, SEEK). Dazu ist es erforderlich, die Daten und Metadaten vor dem Hochladen zu kuratieren, Erlaubnisse der Datenbesitzer einzuholen, die erforderlichen Datenschutzkriterien zu berücksichtigen und semantische Annotationen zu überprüfen. Zudem werden die zugelieferten Modellalgorithmen in einer qualitätsgesicherten Weise aufbereitet und, soweit anwendbar, online interaktiv zur Verfügung gestellt. Der LHA richtet sich insbesondere an die Zielgruppen Kliniker, Epidemiologen, Molekulargenetiker, Humangenetiker, Pathologen, Biostatistiker und Modellierer ist aber unter www.healthatlas.de öffentlich zugänglich – aus rechtlichen Gründen erfordert der Zugriff auf bestimmte Applikationen und Datensätze zusätzliche Autorisierung. Das Projekt wird über das BMBF Programm i:DSem (Integrative Datensemantik für die Systemmedizin, Förderkennzeichen 031L0026) gefördert.

Authors: Frank A. Meineke, Sebastian Stäubert, Matthias Löbe, Christoph Beger, René Hänsel, Alexandr Uciteli, Hans Binder, Toralf Kirsten, Markus Scholz, Heinrich Herre, Christoph Engel, Markus Löffler

Date Published: 19th Sep 2019

Journal: Not specified

Human Diseases: Not specified

Citation:

Created: 17th Sep 2019 at 08:31, Last updated: 17th Sep 2019 at 08:35

An integrative web platform for user-friendly application of risk prediction models in hereditary cancer predisposition

German Consortium for Hereditary Breast and Ovarian Cancer

(Show All)

Abstract (Expand)

Background and Objective: Predicting individual mutation and cancer risks is essential to assist genetic counsellors in clinical decision making for patients with a hereditary cancer predisposition. … Worldwide a variety of statistical models and empirical data for risk prediction have been developed and published for hereditary breast and ovarian cancer (HBOC), and hereditary non-polyposis colorectal cancer (HNPCC / Lynch syndrome, LS). However, only few models have so far been implemented in convenient and easy-to-use computer applications. We therefore aimed to develop user-friendly applications of selected HBOC and LS risk prediction models, and to make them available through the "Leipzig Health Atlas" (LHA), a web-based multifunctional platform to share research data, novel ontologies, models and software tools with the medical and scientific community. LHA is a project funded within the BMBF initiative "i:DSem – Integrative data semantics in system medicine". Methods and Results: We selected a total of six statistical models and empirical datasets relevant for HBOC and LS: 1) the Manchester Scoring System, 2) the "Mutation Frequency Explorer" of the German Consortium for Hereditary Breast and Ovarian Cancer (GC-HBOC), 3) an extended version of the Claus model, 4) MMRpredict, 5) PREMM1,2,6, and 6) PREMM5. The Manchester Scoring System allows calculation of BRCA1/2 mutation probabilities based on aggregated family history. The "Mutation Frequency Explorer" allows flexible assessment of mutation risks in BRCA1/2 and other genes for different sets of familial cancer histories based on a large dataset from the GC-HBOC. The extended Claus model (as implemented in the commercial predigree drawing software Cyrillic 2.1.3, which is no longer supported and no longer works on newer operating systems) predicts both mutation and breast cancer risks based on structured pedigree data. MMRpredict, PREMM 1,2,6, and PREMM 5 predict mutation risks in mismatch repair genes for patients from families suspected of having LS. All models were implemented using the statistical software "R" and the R-package "Shiny". "Shiny" allows the development of interactive applications by incorporating "R" with HTML and other web technologies. The Shiny apps are accessible on the website of the "Leipzig Health Atlas" (https://www.health-atlas.de) for registered researchers and genetic counselors. Conclusions: The risk prediction apps allow convenient calculation of mutation or cancer risks for an advice-seeking individual based on pedigree data or aggregated information on the familial cancer history. Target users should be specialized health professionals (physicians and genetic counselors) and scientists to ensure correct handling of the tools and careful interpretation of results.

Authors: Silke Zachariae, Sebastian Stäubert, C. Fischer, Markus Löffler, Christoph Engel

Date Published: 8th Mar 2019

Journal: Not specified

Human Diseases: hereditary breast ovarian cancer syndrome, Lynch syndrome, colorectal cancer

Citation:

Created: 3rd Apr 2020 at 08:11, Last updated: 3rd Apr 2020 at 08:14

Towards Phenotyping of Clinical Trial Eligibility Criteria.

Natural Language Processing for Clinical Research

(Show All)

Abstract (Expand)

BACKGROUND: Medical plaintext documents contain important facts about patients, but they are rarely available for structured queries. The provision of structured information from natural language texts …

Authors: Matthias Löbe, Sebastian Stäubert, C. Goldberg, I. Haffner, Alfred Winter

Date Published: 5th May 2018

Journal: Stud Health Technol Inform

Human Diseases: breast cancer

PubMed ID: 29726450

Citation: Stud Health Technol Inform. 2018;248:293-299.

Created: 6th May 2019 at 13:53, Last updated: 13th May 2019 at 11:29

Poster: Der Leipzig Health Atlas

Leipzig Health Atlas

(Show All)

The need to manage research data is recognised by the research community - sponsors, legislators, publishers expect and encourage good scientific practice, which not only includes archiving, but also the availability of research data and results in line with FAIR principles.
The publication gives a brief overview of the Leipzig Health Atlas (LHA), which is a project for the presentation and exchange of a wide range of publications, (bio) medical data (e.g. clinical, epidemiological, molecular),
...

Creators: Christoph Beger, Sebastian Stäubert, Matthias Löbe, René Hänsel

Contributor: Christoph Beger

Investigations: No Investigations

Studies: No Studies

Assays: No Assays

Download