Currently set to Index
Currently set to Follow

Trotzdem ist es in der klinischen Praxis bisher noch immer vernachlässigt. Der Grund dafür liegt in einer Reihe von Problemen, die bisher nicht gelöst werden konnten. Durch unsere Innovationen konnten wird diese Probleme überwinden und sind so in der Lage, als Pionier die Analyse des Fettgewebes in die Diagnostik für die Praxis einzubringen.
Unsere spezielle Fettgewebsanalyse

Das Fettgewebe ist in vielerlei Hinsicht aussagekräftiger als das Blut. Es ist eine „Fundgrube“ für Informationen über den menschlichen Stoffwechsel.

Ein für uns wichtiger Durchbruch war es, Wege zu finden, wie wir diese Erkenntnisse aus dem Unterhautfettgewebe gewinnen können, da Proben hier einfacher zu gewinnen sind, als aus tieferliegenden Körperregionen.

Bei der Analyse der Stoffwechselvorgänge im Fettgewebe selbst konzentrieren wir uns auf die mRNAs. Diese bieten umfassende Informationen über die Entwicklung und die Ausprägung von Stoffwechselerkrankungen wie Typ-2-Diabetes. Zum einen, weil sie selbst an der Entstehung beteiligt sind, zum anderen, weil sie stark auf Störungen im Stoffwechsel reagieren.
Fähigkeit zur Analyse minimaler Fettgewebsproben

Ein weiterer bedeutender, von uns erreichter Entwicklungsschritt ist die Fähigkeit zur aussagekräftigen Analyse minimaler Fettgewebsproben. Denn für die zuverlässige Analyse von mRNA im Fettgewebe benötigte man bisher Probenmengen, die so groß waren, dass sie durch operative Eingriffe gewonnen werden mussten.

Uns ist es gelungen, die erforderliche Probengröße auf weniger als 15 mg Gewebe zu reduzieren. Diese Kleinstprobe wird durch einen wenige Millimeter tiefen Stich mit einer sehr feinen Kanüle aus der oberen Haut gewonnen. Das ist unkompliziert, harmlos und schmerzfrei – und weniger belastend als eine Blutentnahme. Somit kann unser Testverfahren von jedem Arzt überall und ohne großen Aufwand durchgeführt werden.
Neuronale Netzwerk-Statistik und Deep Learning

Zur Auswertung der komlexen und großen Datenmengen, die sich aus unseren Tests ergeben, nutzen wir innovativste und modernste Netzwerk-Statistik und Deep Learning unter Einsatz künstlicher Intelligenz.

Im Zentrum der Auswertungen stehen sogenannte Selbstorganisierende Karten (SOMs), also Verfahren, die in der Lage sind, hochkomplexe Datensätze zu verarbeiten und zu analysieren. In unsere SOMs fließen dabei alle von uns gewonnenen biologischen und medizinischen Daten ein. Der entscheidende Vorteil von SOMs besteht in der anschaulichen Darstellung und einfachen Interpretation der Daten. Die durch SOMs erreichte Reduktion der Dimensionen und der Netzcluster ermöglicht es, Zusammenhänge – auch bisher verborgene – direkt zu erkennen.

Kostenlosen Newsletter abonnieren

Bleiben Sie auf dem Laufenden über die neuesten Investmentchancen und Neuigkeiten bei Aescuvest