HTT generiert zu viele Daten, um sie manuell zu analysieren. Mit Machine Learning haben wir die Analyse großer proteomischer und genomischer Datensätze automatisiert. Ergebnis: 5 Minuten Rechnerarbeit statt 3 Wochen manuelle Analyse.
Laborgeräte für die Genomik und Metabolomik produzieren eine riesige Menge von Daten, die dadurch für eine manuelle Analyse ungeeignet sind.
Durch den Einsatz von Machine Learning führt Centogene eine automatisierte Mustererkennung an großen Datensätzen durch, was die Analysezeit bei der Diagnose seltener Krankheiten verkürzt.
Dies hilft Centogene dann, mehrere Biomarker oder zusätzliche Biomarker-Muster zu identifizieren, um die Entwicklung von Behandlungen für Patienten zu beschleunigen.
Volkmar Weckesser
CTO