Alle Projekte
DETECT-ME/CFS
Entwicklung einer KI-assistierten Diagnose-Software zur Evaluation klinischer Typologien von ME/CFS-Patient*innen (DETECT-ME/CFS)
Die steigende Zahl der Überweisungen von Patienten mit ME/CFS in Verbindung mit dem Fehlen diagnostischer Biomarker und der differenzialdiagnostischen Komplexität der Erkrankung sowie einem freizügigen Aufnahmeverfahren, dem zeit- und kostenaufwändige Nachuntersuchungen folgen, hat zu überlasteten Fachkliniken und langen Wartezeiten für die Patienten geführt. Das DETECT-ME/CFS-Projekt zielt darauf ab, die Früherkennung und Diagnose zu rationalisieren, indem es ein KI-gestütztes klinisches Entscheidungsunterstützungssystem einsetzt, das klinisches Expertenwissen, retrospektive Patientendatenanalysen und die Auswertung medizinischer Literatur integriert, um den Entscheidungsprozess bei der Aufnahme zu verbessern und sicherzustellen, dass Patienten, die sich umfangreichen Untersuchungen unterziehen, mit höherer Wahrscheinlichkeit an ME/CFS erkranken. Dieser Ansatz optimiert die Patientenpfade, schont die Ressourcen des Gesundheitswesens und entlastet die spezialisierten Kliniken, was letztlich den rechtzeitigen Zugang zur Versorgung von ME/CFS-Patienten verbessert.
Sponsor:
Geförderte Einrichtung in Niedersachsen:
AID-PAIS
Entwicklung eines Clinical Decision Support Systems zur verbesserten Diagnose und Therapie von ME/CFS auf Basis klinischer Daten, mathematischer Modelle und künstlicher Intelligenz (AID-PAIS)
Um die klinische Behandlung von ME/CFS voranzutreiben, zielt das AID-PAIS-Projekt darauf ab, individuelle Patientenverläufe und Behandlungsergebnisse mithilfe von KI-gestützter Analytik und mechanistischer mathematischer Modellierung vorherzusagen. Durch die Integration verschiedener Datenquellen – einschließlich klinischer Parameter, fortschrittlicher Biomarker-Profilierung und medizinischer Literatur – soll das Projekt verschiedene ME/CFS-Subtypen identifizieren und patientenspezifische Behandlungsergebnisse vorhersagen. Das Endziel ist die Entwicklung eines klinischen Entscheidungsunterstützungssystems, das Klinikern datengestützte Erkenntnisse für individualisierte Interventionen liefert, um die Patientenversorgung zu optimieren und die Lebensqualität der von ME/CFS betroffenen Personen zu verbessern.
Sponsor:
Geförderte Einrichtung in Niedersachsen:
AIMS
KI-gestützte Modellierung zur Prävention postakuter Infektionssyndrome (AIMS)
Das AIMS-Projekt nutzt KI-gestützte epidemiologische Simulationen, um Impfstrategien zu optimieren und die Gesamtbelastung durch postakute Infektionssyndrome (PAIS) zu verringern. Durch die Integration bevölkerungsbasierter Kohorten (NAKO, DigiHero) mit Impfhistorien werden etablierte mechanistische Modellierung und neuartige Methoden des maschinellen Lernens kombiniert, um epidemiologische Schlüsselfaktoren zu identifizieren, die das PAIS-Risiko beeinflussen. Mithilfe von simulationsbasierten Schlussfolgerungen und Hochleistungscomputern verfeinert AIMS Impfstrategien und entwickelt ein System zur Entscheidungsunterstützung, das den Gesundheitsbehörden datengestützte Erkenntnisse für eine gezielte Prävention und Frühintervention liefert.
Sponsor:
Geförderte Einrichtung in Niedersachsen:
FEDCOV
Vorhersage von Langzeit-/Post-COVID durch künstliche Intelligenz unter Verwendung eines föderierten Lernansatzes für deutsche Kohortendaten (FEDCOV)
Im Rahmen dieser Studie werden föderierte Lernansätze entwickelt, um auf maschinellem Lernen basierende Modelle für die Vorhersage von Langzeit-/Post-COVID-Phänotypen zu erstellen. Die in diesem Projekt entwickelten Tools/Skripte werden der Öffentlichkeit zur Verfügung gestellt und können somit von anderen Forschern genutzt werden, um Vorhersagemodelle für Langzeit-/Post-COVID oder andere Krankheiten in einer föderierten Weise zu erstellen.
COFONI-Netzwerk:
Sponsor:
Geförderte Einrichtung in Niedersachsen:
AID-PAIS
KI-gesteuerte Integration von multimodalen Omics- und klinischen Daten für ein besseres Verständnis postakuter Infektionssyndrome (AID-PAIS)
Im Rahmen dieser Studie werden föderierte Lernansätze entwickelt, um auf maschinellem Lernen basierende Modelle für die Vorhersage von Langzeit-/Post-COVID-Phänotypen zu erstellen. Die in diesem Projekt entwickelten Tools/Skripte werden der Öffentlichkeit zur Verfügung gestellt und können somit von anderen Forschern genutzt werden, um Vorhersagemodelle für Langzeit-/Post-COVID oder andere Krankheiten in einer föderierten Weise zu erstellen.
COFONI-Netzwerk:
Sponsor:
Geförderte Einrichtung in Niedersachsen:
RESOLVE-PCC
RESOLVE-PCC: Heterogenität, Risikofaktoren und kausale Treibervon long-/post-COVID in großen deutschen bevölkerungsbasierten Kohorten – auf dem Weg zur personalisierten Versorgung
RESOLVE-PCC untersucht persistierende Symptome nach SARS-CoV-2-Infektion (PCC) anhand zweier großer deutscher Kohorten (NAKO & DigiHero, ca. 300.000 Personen, davon 23.000 mit PCC). Ziel ist es, ursächliche Symptome, Risikofaktoren und mögliche Untergruppen mit unterschiedlichen Krankheitsmechanismen zu identifizieren. Das Projekt soll zu einem besseren Verständnis der PCC-Treiber führen und gezieltere Behandlungs- und Präventionsansätze entwickeln.
Sponsor:
Geförderte Einrichtung in Niedersachsen:
OUTCAST-AI
OUTCAST-AI: Entschlüsselung von Omics-Daten zur Identifizierung von therapeutischen Lang-/Post-COVID-Zielen: Ein auf künstlicher Intelligenz basierender Ansatz
In diesem Projekt werden KI-basierte Methoden entwickelt, um maßgeschneiderte Therapieansätze für lange/spät auftretende COVID (LC/PC) zu fördern. Durch die Analyse großer Patientenkohorten aus biochemischer, klinischer und informatischer Sicht sollen die komplexen Pathomechanismen und Subtypen von LC/PC identifiziert werden. Eine KI-Pipeline zur Identifizierung spezifischer molekularer Veränderungen und therapeutischer Ziele wird individualisierte Behandlungsstrategien ermöglichen, um die Patientenversorgung zu verbessern und die sozioökonomische Belastung durch LC/PC zu verringern.
Sponsor:
Geförderte Einrichtung in Niedersachsen:
