triskelion bv
Van data, via informatie naar kennis en omgekeerd
Michiel Löwik 30 mei 2013
triskelion bv
Inhoudsopgave
• • • •
Meten is weten Personalized health Bio-informatica Slim analyseren toegepast op verpakkingsmateriaal
• Accelerator Mass Spectrometry (AMS) in de samenvatting
triskelion bv
Meten is weten • Data
= Objectief waarneembare neerslag of registratie van feiten
• Informatie = Door mensen geïnterpreteerde data • Kennis
= Weten (wat door studie of ervaring geleerd is) en op basis
daarvan
kunnen voorspellen Stelling: verwerken /
We willen alles weten maar niet alles “ouderwets” interpreteren wat we
triskelion bv
Forest of peaks
Veel data door chemische analyse: “Forest of peaks” van (lage) stoffenconcentratie. We kunnen “alles” meten, maar….. Elke verlaging van de detectiegrens levert nieuwe data op. Is dit een risico voor de veiligheid? Op relevantie (risico’s) gebaseerde borging dus kennis en data toevoegen aan het meten.
triskelion bv
Pas op voor schijnverbanden Kennis is nodig om oorzakelijke relaties van statistische verbanden te onderscheiden
Een biologisch mechanisme is nodig voor juiste data-interpretatie en generatie
Verleden, heden en toekomst van de geneeskunde triskelion bv
– Meer dan 1.000 jaar geleden Diagnose en behandeling gebaseerd op wat kon worden gezien, geroken, geproefd en betast
– 100 - 200 jaar geleden Vroege moderne geneeskunde door ontwikkeling van chirurgie, anatomie en microscopie
– De laatste 100 jaar Diagnose en behandeling gebaseerd op toegenomen kennis inzake biochemie en cellulaire processen
– Vandaag Diagnose en behandeling steeds meer gebaseerd op snel groeiend inzicht in moleculaire biologie en genetica
– Toekomst Patiëntenzorg met persoonlijke therapie gebaseerd op computer voorspellingen
triskelion bv
Digitalisering in de gezondheidszorg Andere sectoren zoals banken, verzekering en toerisme hebben digitalisering al doorgevoerd
Waarom nog niet in de gezondheidszorg? Complex, privacy, veelheid aan data, onvoldoende vraag Wel op organisatie-niveau maar nog niet op niveau van individuele patient Gaat nu gebeuren met personalized health
triskelion bv
Menselijk genoom project
triskelion bv
DNA bestaat uit vaste basenparen A staat voor Adenine, T voor Thymine, C voor Cytosine en G voor Guanine.
triskelion bv
Menselijk genoom project Doelen • Identificeer de circa 20,000-25,000 genen in het menselijk DNA • Bepaal de sequentie van 3 miljard base paren • Sequence • Opslaan van de informatie in databases • Verbeter de tools voor data analyse
Project duurde 13 jaar en is in 2003 afgerond en heeft 2,7 miljard USD gekost
triskelion bv
Ontwikkeling van de rekenkracht en kosten in ICT
triskelion bv
Ontwikkeling van de kosten van DNA sequentieanalyse
Ultieme vorm van personalized health triskelion bv
-
Het juiste geneesmiddel
-
Voor de juiste patiënt
-
Voor de juiste ziekte
-
Op het juiste moment
-
Met de juiste dosis
Tailor made therapie op basis van data over DNA en metabolisme van individuele personen Daaruit volgt: Van veel data, via informatie naar kennis en omgekeerd
Noodzaak van personalized health triskelion bv
Grondlegger van de Westerse Geneeskunde triskelion bv
De Griekse arts Hippocrates (leefde in 460-370 v.C.) stelde dat het veel belangrijker is om te weten wat voor persoon
iemand is, dan te weten welke ziekte iemand heeft.
triskelion bv
Voordelen van personalized health • Betere matching van patient en geneesmiddel in plaats van “trial and error” • Tailormade geneesmiddelen kunnen (levensbedreigende) bij-effecten voorkomen • Vermindering van kosten van klinische studies
• Snelle identificatie van (totale) mislukking • Betere werkzaamheid van geneesmiddelen
triskelion bv
Diagnostica en personalized health • Betrouwbare testen – Lage variabiliteit – robuust en reproduceerbaar – Sterk voorspellend
• Gemakkelijk te verwerven – Bloed/urine/adem – Snel resultaat – Waarde van de test in verhouding tot de kosten (tijd, geld en belasting patiënt)
• Breed gebruikt/toegepast – Beschikbaarheid van de test is geen beperking voor de marketing van geneesmiddel – Testplatform bij veel labs of lage acquisitiekosten
• Gelijktijdig – Toestemming valt samen met toelating geneesmiddel
Wat moet beter voor personalized health? triskelion bv
Efficiënter testen
Innovaties in instrumenten Verbreding van de analyses Workflow en ICT
Medische waarde
Ontwikkeling van nieuwe inhoud Toepassen van inhoud op nieuw gebruik Decentralisering testen
triskelion bv
Dataverwerking – Wat missen we? •
Grote datasets vereisen validatie van de methoden en standaardisatie
•
Omvang datasets neemt toe doordat hele genoom sequentie beschikbaar komen
•
Analyse door hoogwaardige algoritmes , statistiek en analyse tools en het vermogen hiermee om met bio-informatica om te gaan
•
Voor grote projecten moeten data worden gedocumenteerd, opgeslagen en ge-analyseerd op een gestandaardiseerde wijze.
•
Uitwisselbaarheid van data en formats voor electronische patienten dossiers
triskelion bv
Wat is bio-informatica?
Toepassen van informatie technologie op de opslag, het management en de analyse van biologische informatie (gefaciliteerd door het gebruik van computers)
Bio-informatica heeft de toekomst (bron: Van Criekinge) triskelion bv
Wiskunde
Computer Wetenschap
Theoretische Biologie
Niet-deterministisch Artificial Intelligence polynomialen Image Analyse Datamining Bioinformatics Expert Annotatie Interface Ontwerp Sequentie Analyse (Moleculaire) Informatica Computationele Biology
Biologie
Kennisvermeerdering via bio-informatica
Experimentele Data – – – – – – – – – – – – – –
Sequentie Structuur Functie Expressie Regulatie Interacties Stofwisseling Ziekte Genetica Pathologie Kleine moleculen Kinetiek Dynamiek Etc.
triskelion bv
Validatie Simulatie
Kennis
Model
triskelion bv
Breng de data tot de kern terug: Patroonherkenning
triskelion bv
Life-science paradigma’s in de tijd (bron: Jim Gray)
• 1.000 jaar geleden
Empirisch
• 100 jaar geleden
Theoretisch
• 10 tal(len) jaren geleden
Computationeel
• Vandaag
Data exploratie
Conclusie: van data, via informatie naar kennis en omgekeerd
triskelion bv
Wat te doen met een lange lijst van waargenomen gemigreerde stoffen? NIAS (not intentional added substances: onzuiverheden, afbraakproducten en reactieproducten) zijn toegestaan mits deze veilig zijn (EU/10/2011)
•
Controleer in hoeverre de waargenomen stof is toegestaan in de huidige wetgeving
•
Risico beoordeling van de overige waargenomen stoffen
•
Toxicologische evaluatie van de niet in wetgeving opgenomen stoffen
triskelion bv
Forest of Peaks (FoP) screening Focus op wat eruit komt, in plaats van wat erin gaat 1.Extractie: worst-case simulant 2.Detectie: HS/GC/MS, GC/MS, LC/MS 3.Identificatie: via commerciële en in-house libraries 4.Quantificering: via interne standaarden 5.Toxicologische evaluatie
triskelion bv
Dosis en giftigheid Paracelsus (eigen naam: Philippus Aureolus Theophrastus Bombastus von Hohenheim)
• Grondlegger van de toxicologie die leefde in 14931541 • “De dosis maakt het vergif“ (Dosis facit venenum), met andere woorden dat alles uiteindelijk giftig is, als de hoeveelheid maar groot genoeg is
triskelion bv
Threshold of toxicological concern (TTC) • Systematiek om toxiciteit van gevonden stoffen in te schatten • In ontwikkeling bij TNO
• In combinatie met Forest-ofpeaks en evt gentox test wordt TTC een krachtige nieuwe methode om veiligheid verpakkingen aan te tonen
triskelion bv
T IC :
d a n _ 0 6 3 .D
\ d a ta .m s triskelion bv
3 0 0 0 0 0 0
Forest of Peaks analyse - Niveau van identificatie 2 5 0 0 0 0 0
2 0 0 0 0 0 0
1 5 0 0 0 0 0
10 µg/kg voedsel (90 µg/dag) n = 13
1 0 0 0 0 0 0
5 0 0 0 0 0
Detectie grens n > 150
0 5 .0 0 1 0 .0 0 1 5 .0 0 2 0 .0 0 2 5 .0 0 3 0 .0 0 3 5 .0 0 4 0 .0 0 T im e - - > A b u n d a n c e T I C :
3 0 0 0 0 0 0
2 5 0 0 0 0 0
d a n _ 0 6 4 . D
\ d a t a . m s
(* )
triskelion bv
Van data, via informatie naar kennis en omgekeerd Twee voorbeelden behandeld: - Personalized health: cyclus van kennisvermeerdering die gevoed wordt door bioinformatica - Slimme (vanuit kennis) screening van veel data om goedkoper informatie te generen
Beide vragen om multidisciplinaire samenwerking en ICT facilitering
triskelion bv
triskelion bv
• • • •
• • •
•
•
The TTC approach is not applicable to the following chemical classes: Aflatoxin-like, azoxy-, N-nitroso-compounds, benzidines and hydrazines are excluded due to their high carcinogenic potency. Metals and polyhalogenated dibenzo-p-dioxins, polyhalogenated dibenzofurans and polyhalogenated biphenyls, or other compounds known to accumulate in the body, e.g. Ochratoxin A are excluded because the safety factors used may not be high enough to account for differences between species in their elimination from the body. Potent hormones, such as steroids. Radioisotopes because their biological activity is radiation-specific High molecular weight chemicals, such as polymers, because such structures are not covered by the databases. Proteins are excluded because of potential for sensitisation or other bioSubstances displaying pharmacological effects for which no readily accessible database is available. Insoluble particles and nanomaterials, because of their specific toxicokinetic properties compared to soluble materials.logical activities.
