Multi-dimensionAI verknüpft Gesundheitsdaten aus verschiedenen biologischen und klinischen Ebenen. So untersucht das Projekt Krankheitsmuster bei HFpEF und Unterschiede zwischen Patientinnen und Patienten.
Die Herzinsuffizienz mit erhaltener Ejektionsfraktion (HFpEF) betrifft etwa die Hälfte aller Menschen mit Herzinsuffizienz. Sie geht mit einer erheblichen Krankheitsbelastung und Sterblichkeit einher. HFpEF ist eine komplexe Erkrankung, die mehrere Organsysteme betrifft und sich klinisch sehr unterschiedlich äußern kann. Das erschwert Diagnose und Behandlung. Fortschritte in der künstlichen Intelligenz (KI) eröffnen neue Möglichkeiten, die Erkrankung genauer zu beschreiben und individuell angepasste Behandlungsstrategien zu entwickeln.
Multi-dimensionAI vereint Fachwissen aus verschiedenen Disziplinen in drei miteinander verbundenen Teilprojekten. Neu ist vor allem die Verknüpfung dreier Ansätze: der KI-gestützten Charakterisierung unterschiedlicher Krankheitsbilder, prospektiv erhobener Daten aus klinischen Interventionsstudien und einer Bewertung, die die Perspektiven der beteiligten Gruppen in den Mittelpunkt stellt.
Durch die Verknüpfung vorhandener und neu erhobener molekularer, klinischer, bildgebender sowie von Wearables stammender Daten über verschiedene Ebenen hinweg, will das Projekt bisher unerkannte Krankheitsmuster aufdecken und Patientengruppen identifizieren, die von gezielten Interventionen profitieren könnten.
Hierbei werden Patientinnen und Patienten sowie Fachkräfte aus dem Gesundheitswesen frühzeitig in den Entwicklungsprozess einbezogen. Durch ihre aktive Beteiligung soll sichergestellt werden, dass die entwickelten KI-Technologien vertrauenswürdig sind, sich im klinischen Alltag bewähren und künftig sinnvoll in der Versorgung eingesetzt werden können.
HFpEF steht für Herzinsuffizienz mit erhaltener Ejektionsfraktion und ist eine häufige Form der chronischen Herzschwäche. Häufig ist die Entspannung und Füllung der linken Herzkammer gestört. Der Anteil des Blutes, den die Herzkammer mit jedem Schlag auswirft, bleibt dabei erhalten.
Ursachen, Begleiterkrankungen, Krankheitsverlauf und Ansprechen auf die Behandlung können sich von Mensch zu Mensch deutlich unterscheiden.
Diese Unterschiede erschweren es, den Krankheitsverlauf einzuschätzen und über die Behandlung zu entscheiden. Multi-dimensionAI untersucht, wie Daten aus verschiedenen Quellen künftig dazu beitragen könnten, diese Unterschiede besser zu verstehen.
„Multimodal“ bedeutet, Informationen aus verschiedenen Quellen zusammenzuführen und mithilfe von KI wissenschaftlich auszuwerten. Dabei wird nach wiederkehrenden Mustern und möglichen Zusammenhängen gesucht. Es geht nicht darum, automatisch Diagnosen zu stellen.
Informationen aus verschiedenen biologischen und klinischen Ebenen sowie aus unterschiedlichen Studien können gemeinsam betrachtet werden.
KI-gestützte Analysen können Forschenden helfen, wiederkehrende Zusammenhänge und Patientengruppen zu erkennen.
Bevor Ergebnisse möglicherweise klinisch genutzt werden können, müssen sie sorgfältig wissenschaftlich validiert werden.
Die Studie zu Training und Bewegungscoaching und die Studie zu robotikgestütztem Training untersuchen verwandte Fragestellungen. Es handelt sich jedoch um zwei eigenständige Studien.
Eine Studie an zwei Zentren vergleicht die Standardversorgung bei HFpEF mit einer erweiterten Versorgung: einem zusätzlichen zwölfwöchigen, individuell angepassten Trainingsprogramm und individuellem Bewegungscoaching per App.
Ein individuell angepasster Exosuit oder ein Exoskelett kann Bewegungen beim Training unter fachlicher Anleitung unterstützen. Das Projekt untersucht, anhand welcher Merkmalskombinationen sich erkennen lässt, welche Patientinnen und Patienten von Bewegungstherapie profitieren könnten.
Für wissenschaftlichen Austausch, Kooperationsanfragen und weitere Informationen zum Projekt wenden Sie sich an unser Forschungsteam.
Forschungsteam kontaktieren