KI in der Medizin

Die nachfolgend aufgeführten Projekte sind eine Auswahl von Vorhaben, an denen die Fraunhofer-Gesellschaft maßgeblich beteiligt ist und stellen die Rolle der Fraunhofer-Gesellschaft in der Transformation der medizinischen Versorgung dar. Fraunhofer begegnet damit den Herausforderungen des Gesundheitswesens mit dem Ziel, die Lebensqualität der Menschen nachhaltig zu verbessern. 

Jedes Jahr sterben in Deutschland Tausende an schwarzem Hautkrebs. Um diese Zahl zu senken, starten drei sächsische Einrichtungen ein vielversprechendes Forschungsprojekt: Mit „KI-CARs“ wollen das Fraunhofer-Institut für Zelltherapie und Immunologie IZI, die Universität Leipzig und das Helmholtz-Zentrum Dresden-Rossendorf (HZDR) die Immuntherapie entscheidend weiterentwickeln. Das Ziel lautet, mit Hilfe von Künstlicher Intelligenz die körpereigene Immunabwehr gezielt zu aktivieren, um den Tumor wirksamer und zugleich nebenwirkungsärmer zu bekämpfen.

https://www.hzdr.de/db/Cms?pNid=99&pOid=72231

Seit einigen Jahren steigt die Zahl der Daten, die im Gesundheitswesen anfallen, explosionsartig. Mit diesen Daten lässt sich die Forschung und auch die Patientenversorgung verbessern. Es bleibt jedoch eine Herausforderung, die Daten zu erhalten, sie zu analysieren und zu integrieren. Das Ziel im Projekt IDERHA ist es, eine offene Plattform einzurichten, die die Integration und Analyse verschiedener Arten von Gesundheitsdaten erleichtert. Die Plattform wird mehrere öffentliche und private Datenquellen miteinander verknüpfen und interoperable Werkzeuge und Dienste einführen, damit Ärzte, Patienten und Wissenschaftler die Daten nutzen können. Das IDERHA-Team konzentriert sich bei der Entwicklung der Plattform auf Lungenkrebs als Anwendungsfall.

https://www.iderha.org/

https://www.isst.fraunhofer.de/de/abteilungen/healthcare/projekte/IDERHA.html

https://www.itmp.fraunhofer.de/en/press/IDERHA_start.html

Immer mehr Menschen leiden an Alzheimer und verwandten Demenzerkrankungen. Dies ist mit einem hohen Leidensdruck für die Betroffenen und steigenden Kosten für das Gesundheitssystem verbunden. Im Jahr 2023 leben in der Europäischen Union mehr als sieben Millionen Menschen mit Demenz. Bei der Suche nach wirksamen Behandlungsmethoden wurden in jüngster Zeit einige Fortschritte erzielt, und es ist erwiesen, dass eine Behandlung im Frühstadium der Erkrankung am wirksamsten ist. Daher besteht ein Bedarf an skalierbaren, kosteneffizienten diagnostischen Markern, Instrumenten und Verfahren, mit denen Personen mit erhöhtem Risiko identifiziert werden können. Ziel dabei ist es, für diesen Personenkreis die erfolgversprechendsten personalisierten Maßnahmen zur Verhinderung oder Verzögerung von Demenz auszuwählen.

https://www.helse-stavanger.no/en/predictom/predictom-secures-21-million-investment-to-pioneer-early-alzheimers-detection/

https://www.scai.fraunhofer.de/de/projekte/PREDICTOM.html

Erhöht eine Infektion mit SARS-CoV-2 das Risiko, um an Demenz zu erkranken? Dieser Frage widmen sich führende europäische Fachleute in den Disziplinen Medizin, Zellbiologie, Datenwissenschaft und Künstliche Intelligenz sowie Ethik, Recht und Patientenbeteiligung im EU-Projekt COMMUTE. Die Abkürzung steht für »COMmorbidity Mechanisms UTilized in HealthcarE« und gibt die Richtung der Forschungsarbeiten vor. Es geht darum, Mechanismen zu ergründen, die ursächlich für neurodegenerative Erkrankungen wie der Alzheimer- und Parkinson-Krankheit als Folge von Corona-Infektionen sind.

Fraunhofer SCAI leitet das Konsortium des von der Europäischen Kommission geförderten Projekts COMMUTE. Vier Jahre lang arbeiten führende Fachleute aus verschiedenen Disziplinen daran, naheliegende Zusammenhänge zwischen COVID-19 und neurodegenerativen Erkrankungen zu erforschen. Ein zu entwickelndes KI-gestütztes Empfehlungssystem soll Erkrankten eine individuelle Risikoabschätzung ermöglichen.

https://www.commute-project.eu/en/about.html

https://www.scai.fraunhofer.de/de/projekte/COMMUTE.html

Der demografische Wandel stellt unsere Gesellschaft vor enorme Herausforderungen. Insbesondere das Gesundheitssystem wird durch die Verrentungswelle der »Babyboomer« und die gleichzeitig steigende Nachfrage nach medizinischen Dienstleistungen doppelt belastet. Schon jetzt herrscht ein akuter Fachkräftemangel, der sich in den kommenden Jahren dramatisch verschärfen wird. Prognosen zufolge werden bis 2035 etwa 1,8 Millionen Stellen im Gesundheitswesen unbesetzt bleiben.

»Ohne Gegenmaßnahmen steuern wir auf eine buchstäblich lebensgefährliche Überlastung des Gesundheitssystems zu«, warnt Prof. Thorsten Buzug, Direktor des Instituts für Medizintechnik von der Universität zu Lübeck und Sprecher der Hanse Innovation Community GRANNI. »Unser partizipativer Forschungsansatz entwickelt zusammen mit klinischen Partnern Methoden für die Gerontologie 2.0, um den Druck auf das Gesundheitssystem nachhaltig zu senken.«

Das Projekt GRANNI verfolgt einen integrativen Ansatz, der sowohl technologische als auch gesellschaftliche Aspekte berücksichtigt. »Auf der Ebene des Gesundheitssystems müssen die Prozesse konsequent digitalisiert werden, um dem Fachkräftemangel durch Automatisierung und den Einsatz von KI effektiv zu begegnen«, erklärt Prof. Philipp Rostalski, Direktor am Fraunhofer IMTE. »Auf der Ebene der alternden Patientinnen und Patienten besteht ein großer Bedarf an innovativen Lösungen zur Förderung eines Alterns in Würde und Autonomie.«

https://www.imte.fraunhofer.de/de/presse-medien/pressemitteilungen-aktuelles/pm---luebecker-forschungslandschaft-erhaelt-foerdergelder-in-hoe.html

https://www.bmbf.de/bmbf/de/forschung/datipilot/datipilot.html

Ein internationales Team hat im Dezember 2023 das Forschungsprojekt CERTAINTY gestartet. Gemeinsam mit Partnern aus Wissenschaft, Wirtschaft und dem Gesundheitswesen will das Projektteam unter Leitung des Fraunhofer-Instituts für Zelltherapie und Immunologie IZI einen virtuellen Zwilling entwickeln, der zukünftig die Behandlung mit personalisierten Krebsimmuntherapien verbessern soll.

Mit den Krebsimmuntherapien hat sich in den vergangenen Jahren neben den klassischen Behandlungsoptionen (Chirurgie, Strahlen- & Chemotherapie) eine weitere Säule in der medizinischen Onkologie etabliert. Zu den Vorteilen personalisierter Behandlungsansätze, wie z. B. der CAR-T-Zelltherapie, gehört auch eine präzisere Phänotypisierung der individuellen Patient*innen.

Für Diagnose, Therapieentscheidung und Verlaufskontrolle werden zahlreiche klinische, bildgebende, molekulare und zellanalytische Daten pro Patient*in erhoben und verarbeitet. In der Gesamtheit aller Patient*innendaten innerhalb eines Krankheitsbildes verbirgt sich ein enormes Potenzial, um Diagnose und Therapie für zukünftige Patient*innen zu verbessern. Ein Ansatz zur Verwirklichung dieses Potenzials ist das Konzept des virtuellen Zwillings. Dabei werden bestimmte molekulare und zelluläre Merkmale einer Person sowie deren klinische Verlaufsdaten zu einem digitalen Abbild zusammengeführt und dieses anhand einer Reihe von Datenvariablen regelmäßig aktualisiert. Anhand von Vergleichsdaten von Patient*innen mit ähnlichen Merkmalen können durch den virtuellen Zwilling dann Prognosen zum Krankheitsverlauf oder zu verschiedenen Therapieoptionen simuliert werden.

https://www.certainty-virtualtwin.eu/

https://www.izi.fraunhofer.de/de/presse/pressemitteilungen/virtueller-zwilling-soll-behandlung-mit-krebsimmuntherapien-verbessern.html

In einem von der Universitätsmedizin Essen angeführten Konsortium erarbeitet ein Team aus Wissenschaftler*innen der Fraunhofer-Institute für Intelligente Analyse- und Informationssysteme IAIS und für Digitale Medizin MEVIS, der RWTH Aachen und der TU Dortmund zusammen mit Expert*innen der m.Doc GmbH und der GSG Consulting GmbH Konzepte und Lösungen, wie Krankenhäuser aus NRW in sogenannte »Smart Hospitals« transformiert werden können. Der Förderbescheid in Höhe von rund 14 Millionen Euro wurde heute von Digitalminister Prof. Dr. Andreas Pinkwart an Dr. Anke Diehl, Chief Transformation Officer der Universitätsmedizin Essen, und Prof. Dr. Stefan Wrobel, Institutsleiter des Fraunhofer IAIS, überreicht.

https://smarthospital.nrw/

https://www.iais.fraunhofer.de/de/presse/presseinformationen/presseinformationen-2021/presseinformation-210225.html

Im Projekt wird eine Software mit offenen Schnittstellen entwickelt, um Schmerzen bei Versuchstieren erfassen und beurteilen zu können. Dies erfolgt auf Basis der sogenannten Grimace Scale (Schmerzgrimassen) auf Basis von KI-Methoden. Hierzu muss ein relevantes Tiermodell erstellt und mit verschiedenen Mausstämmen (mit verschiedenen Fellfärbungen) simuliert werden. Dabei werden einzelne Beobachtungen in eine konsistente, durchgängige und objektiv überprüfbare Methode überführt.

Parallel wird der Grimace Scale von geschulten Wissenschaftlern am Fraunhofer Institut für Zelltherapie und Immunologie analog erhoben, um die Funktionalität der Software zu überprüfen. Grundlegend ist hier, die visuellen Daten von Mäusen zu erfassen, die Schmerzgrimassen zeigen. Anschließend werden diese Merkmale mit einem vorgegebenen Satz von Schmerzindikatoren verglichen und abgestimmt und die Schwere der Schmerzen auf der Grundlage ihrer Relevanz für die identifizierten Schmerzgrimassen eingestuft.

https://www.softwaresysteme.dlrpt.de/media/content/01IS23038_Projektblatt_KIGRIMACE.pdf

Gefördert durch die Innovative Medicines Initiative (IMI) erforscht das Fraunhofer Cluster of Excellence Immune-Mediated Diseases CIMD gemeinsam mit 25 europäischen Partnern aus Forschung, Pharmaunternehmen, KMUs und Patientenorganisationen eine bisher wenig erforschte Krankheit, von der Millionen Menschen betroffen sind. Die 26 europäischen Partner im neuen Forschungsprojekt HIPPOCRATES wollen innovative Diagnose- und Therapiemöglichkeiten für Patienten mit Psoriasis-Arthritis durch die Erforschung der Erkrankung und der Krankheitsmechanismen entwickeln. Durch ein besseres Verständnis des komplexen Zusammenspiels zwischen klinischen und umweltbedingten Faktoren, dem Genotyp und den molekularen Krankheitsverläufen will das Team eine frühere Diagnose und eine genauere Vorhersage des Krankheitsverlaufs ermöglichen. Dies wird die Behandlung von Psoriasis-Arthritis Patienten revolutionieren.

https://www.hippocrates-imi.eu/

https://www.itmp.fraunhofer.de/de/presse/hippocrates.html

Das Universitätsklinikum der Ruhr-Universität Bochum (UK RUB) hat als eine der größten Unikliniken Deutschlands mit acht Trägern und über 600.000 Behandlungen jährlich ein enormes Potenzial für die datengetriebene klinische Forschung. Daher streben die Träger das UK RUB unter der Federführung der Medizinischen Fakultät der RUB ein kooperatives Forschungsdatenmanagement im Rahmen einer gemeinsamen IT-Dachstrategie an, um Forschung und Lehre durch die strukturierte und interoperable Datenaufbereitung und -bereitstellung zu stärken.

https://www.isst.fraunhofer.de/de/abteilungen/healthcare/projekte/RUB-HCMS.html

Das Projekt »Trusted Ecosystem of Applied Medical Data eXchange (TEAM-X)« erforscht und implementiert Lösungen, um die teils nur schwer zugänglichen Gesundheitsdaten für Patienten, Ärzte und Pflegepersonal leichter verfügbar zu machen.

Das vorrangige Ziel dabei ist die Etablierung eines geschützten und vertrauenswürdigen digitalen Datenökosystems basierend auf der Gaia-X Infrastruktur zur Entwicklung von datengetriebenen Geschäftsmodellen, Produkten und Dienstleistungen als Basis für eine zukunftsweisende Gesundheitsversorgung.

Patientinnen und Patienten behalten dabei durchweg die Kontrolle über ihre Daten und bestimmen selbst, wer Zugriff erhält und zu welchem Zweck.

https://www.iis.fraunhofer.de/de/ff/sse/health/mobile-health-lab/team-x.html

https://project-team-x.eu/

Damit Krankenhäuser ihre Leistungen, die bei der Behandlung von Patient*innen anfallen, bei den Krankenkassen abrechnen können, müssen diese kodiert werden. Für die Erlössicherung der Kliniken ist dieser Prozess essenziell – er ist jedoch personalintensiv, zeitaufwendig und mitunter fehleranfällig. Das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS hat gemeinsam mit der GSG Consulting GmbH die KI-gestützte Software RICO entwickelt, die das Personal im Kodierprozess unterstützt. RICO wurde mit höchsten Datenschutz-Standards entwickelt, ist ohne zusätzlichen Aufwand sofort betriebsbereit und befindet sich bereits in mehreren Krankenhäusern im Einsatz.

https://www.dedalus.com/dach/de/our-offer/products/rico/

https://www.iais.fraunhofer.de/de/presse/presseinformationen/presseinformationen-archiv/presseinformationen-2020/presseinformation-200714.html

Künstliche Intelligenz (KI) gewinnt im Gesundheitswesen an Aufmerksamkeit und Bedeutung. KI kann dabei helfen, mühsame Routineaufgaben zu erleichtern – auch die Personalbedarfsprognose im Krankenhaus? In einem gemeinsamen Projekt mit ATOSS Software, der Universitätsmedizin Mainz und dem Ökosystem für innovative Gesundheit Flying Health entwickelt das Fraunhofer-Institut für Kognitive Systeme IKS einen KI-basierten Lösungsansatz, um den zukünftigen Personalbedarf auf einer Station der Universitätsmedizin Mainz vorherzusagen. Dabei kommen hochmoderne State-of-the-Art-Modelle aus dem Bereich der Zeitreihen-Prognose zum Einsatz, um die Genauigkeit und Zuverlässigkeit der Vorhersagen sicherzustellen.

https://safe-intelligence.fraunhofer.de/artikel/healthcare-hackathon-2023-ki-und-personalplanung-im-krankenhaus

The goal of this EU-funded research project is to revolutionize AI in healthcare through the use of Swarm Learning (SL).It aims to overcome the obstacles of data collection in healthcare by utilising SL, where partners work together to train AI models without the need to share any personal patient data. Thereby, ODELIA will break data sharing boundaries and accelerate the scale-up of medical AI in Europe for the benefit of European citizens, patients, and clinicians.

https://odelia.ai/

https://odelia.ai/consortium/mevis/

Klinikpersonal leidet zumeist unter enormer Arbeitsbelastung und Personalmangel, vor allem auf Intensivstationen. Dies hat Konsequenzen für Patienten und Patientinnen, insbesondere wenn es bei ihnen zum Multiorganversagen kommt. Mit Hilfe von Künstlicher Intelligenz (KI) soll zukünftig ein klinisches Multiorgan-Unterstützungssystem noch besser für die Behandlung eingesetzt werden.

https://safe-intelligence.fraunhofer.de/artikel/ki-intensivpflege

Bei der Lösung komplexer medizinischer Fragestellungen gewinnen intelligente, vernetzte Implantate immer mehr an Bedeutung. Derzeit zur Verfügung stehende Systeme sind für den Nutzer oft nicht transparent und können von diesem nicht selbst bedient werden. Zukünftige Systeme könnten neben einem lebenslangen Einsatz die Möglichkeit der unmittelbaren Einflussnahme der Patienten auf ihre individuelle Situation stärker in den Vordergrund stellen.

https://www.interaktive-technologien.de/projekte/intakt

http://intakt-projekt.de/

https://www.ibmt.fraunhofer.de/de/ibmt-presse-uebersicht-2017/presse-ausgezeichnete-orte-INTAKT-2017-06-26.html

Das im Projekt MED²ICIN entwickelte System zur Entscheidungsunterstützung soll schnellere Behandlungserfolge bringen. Indem es alle individuellen Patienteninformationen bündelt und mit Kohorten ähnlicher Individuen abgleicht, unterstützt es Medizinerinnen und Mediziner in ihrer Entscheidungsfindung. Neben der Auswahl einer optimalen Therapie reduziert diese Lösung Behandlungszeit und -kosten.

Mit einer personalisierten und kostenintelligenten Behandlung eröffnet das digitale Patientenmodell neue Möglichkeiten für die Gesundheitswirtschaft. In unterschiedlichsten Systemen vorhandene Patientendaten werden dadurch zu einem digitalen Abbild zusammengeführt. »Es bringt Vorteile sowohl für die konkrete Behandlung individueller Patientinnen und Patienten als auch für den Einsatz gesamtgesellschaftlicher Gesundheitsausgaben mit sich«, sagt Dr. Stefan Wesarg, Head of Competence Center Visual Healthcare Technologies am Fraunhofer-Institut für Graphische Datenverarbeitung IGD und Koordinator von MED²ICIN. »Eine datenschutzkonforme Zusammenführung individueller Gesundheits- und Krankheitsdaten und deren intelligente Analyse lässt eine vollkommen neuartige Lösung für eine effektivere Prävention, Diagnostik, Therapie und Versorgung entstehen.«

https://www.igd.fraunhofer.de/de/media-center/presse/digitales-patientenmodell-unterstuetzt-behandelnde-bei-entscheidungsfindung-und-reduziert-kosten.html

https://websites.fraunhofer.de/med2icin/video-digitales-patientenmodell-fuer-chronische-krankheiten-dashboard-fuer-gezieltere-diagnosen/

Trend-setting topics in medical technology are robot-assisted and (partially) automated surgical interventions with networked systems and fused information. Increasing automation and increased use of AI-based assistance systems are predicted for medical interventions. Furthermore, an operating theatre is already a high-tech place, but it is equipped with many isolated devices from different manufacturers. This creates technical and regulatory hurdles that make the networked collection, documentation and utilisation of all accruing information difficult. As a result, a great potential for improved individual patient care is currently being lost.

Within the framework of LIROS, a unique research centre for robot-assisted surgery is therefore being created at Fraunhofer IMTE with a realistic operating theatre environment, modern high-end equipment and individual anatomical patient models. The focus is on the optimisation and personalisation of training, the use of imaging techniques for intraoperative navigation, the networking of medical technology devices and the investigation of usability aspects to increase user-friendliness and safety in the operating theatre.

https://www.imte.fraunhofer.de/en/researchfields/liros.html

https://www.imte.fraunhofer.de/de/Kompetenzfelder/Medizintechnik/Medizinische-Robotik-und-Training.html

Quantencomputing hat das Potenzial, in der medizinischen Diagnostik eine Künstliche Intelligenz effizienter zu trainieren. Dadurch werden Diagnosen genauer, auch wenn nur wenig Daten zur Verfügung stehen. Medizinerinnen und Mediziner erwarten, dass sich in Zukunft zum Beispiel Früherkennung, Diagnose und Verlaufskontrolle in Bezug auf Hirntumore verbessern.

https://www.iks.fraunhofer.de/de/projekte/bayqs-quanten-security-data-science.html#medizin

https://safe-intelligence.fraunhofer.de/artikel/quantencomputing-in-der-medizinischen-diagnostik?utm_source=website

Das Projekt CanConnect verfolgt das Ziel, Krebsregisterdaten mit vielfältigen Diagnostikdaten der meldenden Kliniken zu verknüpfen. Im Zentrum steht die Entwicklung eines allgemeinen Verknüpfungskonzepts, das umfangreiche, detaillierte Falldaten für die Forschung nutzbar macht und gleichzeitig den Schutz der Patientendaten gewährleistet. Die Machbarkeit und der Nutzen des entwickelten Verknüpfungskonzepts werden anhand des Anwendungsfalls »Glioblastom«, eines bösartigen Hirntumors, demonstriert. Hierfür wird das entwickelte Verknüpfungskonzept angewendet, um Krebsregisterdaten mit weiteren Diagnostikdaten aus der Pathologie anzureichern. Die verknüpften Daten werden mit Methoden der Künstlichen Intelligenz (KI) analysiert, um daraus als exemplarische Anwendung neue Diagnoseparameter (sogenannte Biomarker) für das Glioblastom abzuleiten.

https://www.bundesgesundheitsministerium.de/ministerium/ressortforschung/handlungsfelder/forschungsschwerpunkte/krebsregisterdaten/canconnect

Im neuen EU-Projekt »SafePolyMed« möchte ein internationales Forschungsteam künftig Ärzten und Apothekern innovative Instrumente an die Hand geben, um die Sicherheit der Arzneimittelbehandlung zu erhöhen und die Patienten darüber aufzuklären, wie sie ihre Gesundheitsversorgung aktiv selbst steuern können. Das Fraunhofer-Institut für Biomedizinische Technik bringt in das Projekt seine langjährige Expertise im Bereich Gesundheitsinformationssysteme ein.

https://www.safepolymed.eu/

https://www.ibmt.fraunhofer.de/de/ibmt-presse-uebersicht/presse-ibmt-safepolymed-2022-07-06.html

Das PROSurvival-Projekt zielt darauf ab, das Überleben von Patienten mit Prostatakrebs (PCa) präziser vorherzusagen. Langfristig soll ein umfassender, standortübergreifender, digitaler Datensatz von PCa-Proben generiert werden, um die gemeinschaftliche Entwicklung von KI für die Präzisionsmedizin bei PCa zu unterstützen. Bisherige Forschungsarbeiten haben gezeigt, dass für das Training von KI-Modellen Daten von mehreren Standorten erforderlich sind. Oft können diese jedoch aufgrund von Datenschutzbestimmungen nicht gemeinsam genutzt werden. Daher werden föderierte KI-Modelle entwickelt. Solche Modelle nutzen die Patientengeschichte und die klinischen Daten in Kombination mit öffentlich verfügbaren Daten. PROSurvival wird eine datenschutzkonforme föderierte Infrastruktur einrichten, um den Fundus an klinischen Routinedaten zu nutzen. Die Bilddaten sollen mithilfe von klinisch relevanten Musterinformationen verdichtet werden, was die Komplexität des Datensatzes reduzieren und die Analyse mit handelsüblicher Hardware erleichtern wird.

https://www.gesundheitsforschung-bmbf.de/de/prosurvival-uberlebensvorhersage-fur-prostatakrebspatienten-mithilfe-von-foderiertem-15926.php

https://www.offis.de/offis/projekt/prosurvival.html

https://www.mevis.fraunhofer.de/de/press-and-scicom/institute-news/2022/mit-ki-die-behandlung-von-prostatakrebs-verbessern.html

Click2Print Artificial Eyes (C2PAE) ist ein Projekt zur Entwicklung von 3D-gedruckten Augenprothesen. Forschende des Fraunhofer IGD haben eine Software entwickelt, die den vollständig digitalen Prozess des 3D-Drucks von künstlichen Augen ermöglicht. Dabei kommt der 3D-Druckertreiber Cuttlefish zum Einsatz, den das Institut seit 2014 entwickelt. Das deutsche Unternehmen FIT AG ist ebenfalls als Projektpartner an C2PAE beteiligt und konzentriert sich auf die additive Fertigung von Augenprothesen mit dem Polyjet-Verfahren. Die FIT AG übernimmt das Qualitätsmanagement für die 3D-gedruckte Herstellung der Augenprothesen und strebt die Entwicklung eines Verfahrens zur Serienfertigung von Augenprothesen an. Im Rahmen von C2PAE werden Tests mit patientenspezifischen Daten am Moorfields Eye Hospital in London durchgeführt. Außerdem ist das Start-up-Unternehmen Ocupeye beteiligt, das die Software lizenziert und betreibt und sich um regulatorische Fragen, die Vermarktung der Augenprothesen und den Vertrieb kümmert.

https://www.igd.fraunhofer.de/de/forschung/oeffentliche-projekte/gesundheit-und-pflege/3d-gedruckte-augenprothesen.html

https://www.cuttlefish.de/

Das Projekt AIOLOS (Artificial Intelligence Tools for Outbreak Detection and Response) hat von der französischen und der deutschen Regierung die Bewilligung zur Entwicklung einer digitalen Plattform erhalten, die eine Früherkennung neuer, von Atemwegserregern ausgelöster Epidemien ermöglicht, deren Ausbreitung überwacht und Entscheidungen über geeignete Gegenmaßnahmen unterstützt.

AIOLOS wird Echtzeitdaten unterschiedlicher Datenquellen, neuartige künstliche Intelligenz (KI) und prädiktive Modellierung nutzen, um in einem webbasierten Dashboard Erkenntnisse für private und öffentliche Entscheidungsprozesse zu liefern. Sanofi in Frankreich und die Fraunhofer-Institute SCAI und ITMP in Deutschland leiten das Konsortium, dem vier weitere französische und deutsche Partner angehören: CompuGroup Medical, Quinten Health, Impact Healthcare und umlaut, Teil von Accenture.

https://www.itmp.fraunhofer.de/de/presse/AIOLOS.html

http://www.aiolos-project.org/

Seltene Erkrankungen zu diagnostizieren, stellt Ärztinnen und Ärzte oft vor Herausforderungen. Die Digitalisierung kann dabei helfen, eine Diagnose zu stellen – das Universitätsklinikum Frankfurt zeigt wie: Es ist federführend am Forschungsprojekt Smartes Arztportal für Betroffene mit Seltenen Erkrankungen (SATURN) beteiligt. Gefördert vom Bundesministerium für Gesundheit entsteht eine Plattform, die Künstliche Intelligenz (KI) nutzt, um bei der Diagnosestellung zu helfen. Als Softwareexperte untersucht das Fraunhofer IESE im Projekt, wie mit Hilfe von KI bei geringen Datenmengen nachvollziehbare und transparente Verdachtsdiagnosen für Seltene Erkrankungen gestellt werden können.

https://www.saturn-projekt.de/

https://www.iese.fraunhofer.de/de/media/presse/pm-2024-02-29-saturn.html

https://www.iese.fraunhofer.de/blog/ki-zur-diagnostik-von-seltenen-erkrankungen/

In dem durch das Bundesministerium für Gesundheit geförderte Projekt SATURN forscht das Fraunhofer IESE gemeinsam mit den Projektpartnern an Methoden zur Nutzung von KI-Technologien aus den Bereichen der regelbasierten Systeme und des Maschinellen Lernens für eine nachvollziehbare und transparente Entscheidungsunterstützung / Verdachtsdiagnose im Kontext unklarer Erkrankungen.

https://www.iese.fraunhofer.de/de/referenz/saturn-smartes-artzportal.html

https://www.saturn-projekt.de/

ADIS steht für »Early Diagnosis of Alzheimer's Disease by Immune Profiling of Cytotoxic Lymphocytes and Recording of Sleep Disturbances«. Das Projekt wird durch das gemeinsame Programm der EU zur Erforschung neurodegenerativer Krankheiten (JPND) finanziert. JPND ist die größte globale Forschungsinitiative, die darauf abzielt, die Herausforderung neurodegenerativer Krankheiten zu bewältigen. 

Die Alzheimer-Krankheit (AD) und verwandte Demenzerkrankungen sind heterogene, multifaktorielle Krankheiten, bei denen eine Reihe ätiopathogener Mechanismen zum Absterben von Nervenzellen und zum Verlust kognitiver Funktionen führen. Es wird davon ausgegangen, dass die Krankheit bereits Jahrzehnte vor der Diagnose beginnt, was eine große Herausforderung für die Behandlung darstellt. Die Identifizierung prognostischer Biomarker für Alzheimer ist daher von großer Bedeutung.

https://adis-project.eu/

https://www.scai.fraunhofer.de/de/projekte/ADIS.html

Im Dentalbereich stellen Bilddaten die primäre Informationsquelle für die Einschätzung des Gesundheitszustandes einer Person dar und dienen außerdem als Grundlage für die weitere Planung des Behandlungsverlaufes. Dabei kommen sowohl extraorale Aufnahmen wie das Orthopantomogramm (OPG) oder das Fernröntgenseitenbild (FRS), als auch intraorale Aufnahmen, wie Bissflügelaufnahmen, zum Einsatz. Das OPG ist hierbei die typische initiale Aufnahme, da alle Zähne inklusive Wurzel gut sichtbar abgebildet werden.

https://www.igd.fraunhofer.de/de/forschung/kernkompetenzen/dentalbildanalyse.html

Im Rahmen eines Drug-Repurposingprojekts für die Entwicklung einer Therapie für eine seltene neurometabolische Erkrankung ist der Arbeitsgruppe die Identifizierung einer Gruppe therapeutisch wirksamer Substanzen gelungen, die sich kurz vor dem Einsatz in einer allerersten klinischen Studie für die Erkrankung befinden. Bei der Erkrankung handelt es sich um die Multiple Sulfatase Defizienz (MSD), eine neurodegenerative, multisystemische, schwere Erkrankung aus dem Formenkreis der lysosomalen Erkrankungen ohne Therapieoptionen. Die Erkrankung ist charakterisiert durch einen simultanen Aktivitätsverlust aller zellulärer Sulfatasen und der daraus resultierenden Pathophysiologie. Nach Entwicklung eines Hochdurchsatzscreeningassays gelang die Identifizierung zweier Retinoide, die alleine und in Kombination die Sulfataseaktivitäten in MSD Zellen erhöhten und die in-vitro Pathophysiologie normalisierten. Weil es sich um für eine andere Behandlungsindikation zugelassene Medikamente mit bekannter Nebenwirkungs- und Toxikologiespektrum handelt, bieten sie sich für eine Verwendung in einer anderen Indikation, in diesem Fall der MSD, an (Drug Repurposing).

https://www.itmp.fraunhofer.de/de/presse/REMEDi4ALL.html

https://remedi4all.org/

Durch eine alternde Bevölkerung und damit einhergehend einer steigenden Anzahl von Krebserkrankungen, sowie einer zunehmenden Anzahl von komplexen Diagnoseverfahren für neue Therapien in der Krebsbehandlung, steigt die Arbeitslast in der Pathologie unaufhörlich an. Gleichzeitig gibt es einen Mangel an Fachkräften. Die Digitalisierung zusammen mit Verfahren der künstlichen Intelligenz bieten hier neue Möglichkeiten für eine Unterstützung in der pathologischen Diagnostik und helfen so die Bedarfslücke zu schließen.

https://www.scs.fraunhofer.de/de/referenzen/ada-center/robuste-ki-medizin.html

Bildgebende Verfahren in der Augenheilkunde sind technologisch so weit fortgeschritten, dass sich Netzhaut- und Gefäßstrukturen im Auge hochgenau zwei-, drei- oder gar vierdimensional darstellen lassen. Das Bildmaterial zu interpretieren und unter Berücksichtigung der Patientenhistorie eine Therapieentscheidung abzuleiten, ist jedoch anspruchsvoll und erfordert viel Erfahrung. Behandlungsfehler können fatale Folgen für Patientinnen und Patienten haben. Das kürzlich gestartete Verbundprojekt »Ophthalmo-AI«, koordiniert vom Fraunhofer-Institut für Biomedizinische Technik IBMT, will ein intelligentes, interaktives Assistenzsystem schaffen, das Augenärztinnen und -ärzte mit Methoden der erklärbaren Künstlichen Intelligenz unterstützt und nachvollziehbare Diagnosen und Behandlungsvorschläge macht.

https://www.interaktive-technologien.de/projekte/ophthalmo-ai

https://www.ibmt.fraunhofer.de/de/ibmt-presse-uebersicht-2021/presse-ophthalmo-ai-2021-05-04.html

Wir unterstützen ältere Menschen durch technologische und soziale Gesamtlösungen, die ein länger autarkes und selbstbestimmtes Leben zu Hause ermöglichen. Hierfür setzen wir eine Bandbreite von Technologien ein, zum Beispiel Telematik oder Sensorik, und verknüpfen diese mit sozialen sowie organisationalen Konzepten zu einer Gesamtlösung.

https://www.iese.fraunhofer.de/de/referenz/smarte-assistenzsysteme-selbstbestimmtes-leben.html

In vielen Anwendungsbereichen kann eine Erfassung von affektiven und kognitiven Zuständen vorteilhaft sein. Beispielsweise in Bereichen wie Usability Testing kann eine Zustandserkennung eine bessere Einsicht über die Wirkung eines Produktes auf den Nutzer schaffen und Auskunft über dessen eventuelle Überforderung mit dem Produkt geben.

Allerdings werden einige Zustände äußerst subtil geäußert, sodass ihre Erfassung eine große Herausforderung darstellt. So reicht eine Modalität, z.B. Video, nicht aus, um eine kognitive Überforderung robust zu erkennen. Erst durch die Fusion von unterschiedlichen Modalitäten, wie Blickerfassung und verschiedenen Biosignalen, kann dies ermöglicht werden.

https://www.scs.fraunhofer.de/de/referenzen/ada-center/nachvollziehbare-ki-zur-multimodalen-zustandserkennung.html

https://www.scs.fraunhofer.de/de/referenzen/ada-center.html

Bei Erkrankungen wie entzündlichen rheumatischen Erkrankungen (z. B. axiale Spondyloarthritis), Spondylolisthesis, Skoliose, Morbus Bechterew, Morbus Scheuermann oder Bandscheibenvorfällen sind chronische Rückenschmerzen ein häufiges Symptom. Meist erhält der Patient oder die Patientin Physiotherapie, alleine oder ergänzend zu den Medikamenten. Die Physiotherapie soll dabei eine Stärkung der Muskeln des unteren Rückens fördern. Unter normalen Umständen wird die Muskulatur des unteren Rückens nicht bewusst kontrahiert. Deshalb wird das gezielte Training dieser Muskulatur als schwierig empfunden. Um das Training zu erleichtern, wollen die Verbundpartner ein tragbares Ultraschall-System entwickeln. Dieses soll ein Biofeedback über die Genauigkeit des Trainings liefern. Die Grundlage dafür soll die Analyse der Muskelkontraktion sein. Die Muskelkontraktion wird mit Hilfe von Ultraschall gemessen. Die aufgenommenen Ultraschallsignale werden an ein Elektronikmodul übertragen. In diesem werden die Signale mit sogenannten Deep-Learning- Ansätzen analysiert. Daraus wiederum wird dann ein Biofeedback generiert und an den Patienten oder die Patientin gegeben. Diese können dann das Training entsprechend anpassen.

https://www.gesundheitsforschung-bmbf.de/de/ultrawear-ultraschall-basiertes-wearable-als-biofeedback-system-fur-ein-effektives-12518.php

Einem 24-Stunden-EKG als Standardmethode zur Diagnose von Herzerkrankungen kann eine Menge entgehen – nämlich alle Unregelmäßigkeiten, die seltener auftreten. Das zieht für Betroffene häufig eine langwierige Odyssee bis zur finalen Diagnose und Behandlung nach sich. Dieser diagnostischen Lücke widmet sich ein Forscher-Team des Fraunhofer IGD aus Rostock. Die Gesundheits-App Guardio® ermöglicht unkompliziert das Erstellen von Mehrkanal-EKGs ohne Elektroden und kann dazu beitragen, Herzerkrankungen deutlich früher zu erkennen als herkömmliche Methoden.

https://www.igd.fraunhofer.de/de/media-center/presse/24h-ekg-war-gestern-app-erkennt-frueher-herzerkrankungen.html

KIPeriOP ist ein vom Bundesministerium für Gesundheit (BMG) gefördertes Forschungsvorhaben mit dem Ziel, das perioperative Risikomanagement zu verbessern sowie perioperative Sterblichkeit und dauerhafte Schädigungen zu reduzieren. Klinische Leitlinien unterstützen die perioperative Entscheidungsfindung schon jetzt und sollen im Projekt durch den vertrauenswürdigen Einsatz von künstlicher Intelligenz ergänzt werden, unter anderem durch die Vorhersage postoperativer Risiken auf Basis von präoperativen Risikofaktoren. Das Projektkonsortium vereint herausragende klinische, technische, ethische und ökonomische Expertise und wird vom Universitätsklinikum Würzburg (klinische Koordination) und dem Fraunhofer Institut für Digitale Medizin MEVIS (technische Koordination) geführt.

https://www.kiperiop.de/de/home.html

https://www.mevis.fraunhofer.de/de/press-and-scicom/press-release/2021/digitalisierte-datenerfassung-und-ki-fuer-sichere-operationen.html

Recent advancements in image-based diagnostics, driven by artificial intelligence (AI) methods, have been significant. EMPAIA International e. V. is committed to facilitating routine use of validated and certified AI solutions by healthcare professionals. Additionally, the promotion of AI usage involves the proactive elimination of regulatory, legal, technical, and organizational obstacles.

The inadequate standardisation of interfaces in digital pathology is an important obstacle on the way to more digitalisation. Building on established standards such as HL7 and DICOM, we develop and disseminate open standards for the rapid dissemination of modern methods in clinical diagnostics. This also serves to improve patient access to their data.

https://www.empaia.org/

https://www.mevis.fraunhofer.de/de/press-and-scicom/institute-news/2020/Kick-off-zum-ki-grossprojekt-empaia.html

The »Translational Brain Imaging Training Network« (TRABIT) is an interdisciplinary and intersectoral joint effort of computational scientists, clinicians, and the industry in the field of neuroimaging. Its aim is to train a new generation of innovative and entrepreneurial researchers to bring quantitative image computing methods into the clinic, enabling improved healthcare delivery to patients with brain disease.

Since brain imaging often visualizes disease effects with much greater sensitivity than clinical observation, it holds great promise to help diagnose patients at the earliest stages of their disease, when treatment is most effective; and personalize their treatment by evaluating their response to a specific intervention. A fundamental bottleneck in translating the wealth of information contained in medical images into optimized patient care is the lack of patient-specific computational tools to help analyze and quantify the torrent of acquired imaging data. The last two decades of medical image computing research have matured to allow robust and automatic assessment of carefully homogenized scientific studies of mostly healthy brain scans. Yet analyzing the »wild« type of neuroimaging data arising in the standard clinical treatment of brain disorders remains a hard and unsolved problem.

https://trabit.eu/

https://www.mevis.fraunhofer.de/de/press-and-scicom/institute-news/2017/kickoff-of-translational-brain-imaging-training-network.html

Ein zentrales Element bei der Psychotherapie von Angststörungen ist es, die Betroffenen den Angst auslösenden Situationen auszusetzen. Im Projekt wird ein System entwickelt, das die emotionalen Reaktionen der Klientinnen und Klienten während solcher Expositionen multimodal erfasst und daraus durch Datenfusion Parameter extrahiert, die für den weiteren Verlauf relevant sind. Aus diesen Parametern werden Mikrointerventionen abgeleitet, die den Patientinnen und Patienten durch einen virtuellen Agenten in einer intuitiven Interaktion zur Verfügung gestellt werden. Durch die maschinelle Verarbeitung der in zahlreichen Expositionen gewonnenen Datensätze werden Prognosen für erfolgreiche Mikrointerventionen abgeleitet.

https://www.interaktive-technologien.de/projekte/optapeb

https://www.iis.fraunhofer.de/de/ff/sse/machine-learning/affective-sensing.html

Was bei den meisten Menschen ganz unbewusst geschieht, stellt autistische Kinder vor eine große Herausforderung: Die Emotionen des Gegenübers richtig erkennen, interpretieren zu können und darauf entsprechend zu reagieren. Ziel des Verbundprojektes ERIK ist daher die Entwicklung einer Roboterplattform, die neue Interaktionsstrategien in der Therapie von Kindern mit eingeschränkten sozio-emotionalen Fähigkeiten, wie bspw. Kindern im Autismusspektrum, aufgreift.

Unser Lösungsansatz:

• Integration sensorbasierter Emotionserkennung auf Basis von Mimik, Sprache und physiologischer Signale
• Schaffung einer neuartigen Kind-Roboter-Interaktion mittels mehrerer therapeutischer Interaktionsansätze
• Steigerung der Kommunikationsfähigkeit autistischer Kinder durch spielerisches Training und positives Bestärken (z.B bei Lernerfolgen)

https://www.iis.fraunhofer.de/de/ff/sse/machine-learning/affective-sensing/emotionssensitive-robotik.html

https://www.interaktive-technologien.de/projekte/erik

Um neue Technologien im Gesundheitssystem einzuführen, müssen ihre Sicherheit, Robustheit, und Zuverlässigkeit ausführlich geprüft werden. Speziell für die Bereiche KI und Robotik gibt es in der Europäischen Union hohe Qualitätsanforderungen, jedoch noch eine unzureichende Testinfrastruktur, mit der sich Standards entwickeln, Innovationen prüfen und neue Produkte zertifizieren lassen.

Das TEF-Health-Konsortium möchte diesen Prozess verbessern und die Validierung und Zertifizierung von KI und Robotik in medizinischen Geräten beschleunigen. Dafür entwickelt das Team eine (virtuelle und physische) Testinfrastruktur, die verschiedenen Technologien in realitätsgetreuen Umgebungen evaluieren kann, darunter z.B. Krankenhäuser und Labore. Anwender*innen können dann zum Beispiel sowohl Software zur Patient*innenbetreuung oder Diagnostik als auch Operations- oder Pflegeroboter testen

https://www.hhi.fraunhofer.de/news/nachrichten/2023/fraunhofer-hhi-entwickelt-europaweite-testinfrastruktur-fuer-ki-und-robotik-im-gesundheitswesen.html

https://tefhealth.eu/home

Ziel der Plattform ist es, die Wirkstoffklasse der proximity inducing drugs (PiDs) für die Behandlung immunvermittelter Erkrankungen nutzbar zu machen. PiDs sind bifunktionale Moleküle, die durch transiente Bindung an zwei Zielstrukturen diese in räumliche Nähe zueinander bringen und dadurch einen biologischen Effekt auslösen. Bei PiDs im engeren Sinne ist eine der beiden Strukturen eine Ubiquitin-E3-Ligase, die andere das Zielprotein, das durch diese E3-Ligase für den Abbau im Proteasom markiert wird. Diese PiDs führen damit zum vollständigen Verlust des Zielproteins mit all seinen, z.B. katalytischen, strukturgebenden oder regulatorischen Funktionen, was PiDs von klassischen Inhibitoren unterscheidet.

https://www.proxidrugs.de/de

https://www.cimd.fraunhofer.de/de/Plattformen/ProxiDrugs.html

https://www.itmp.fraunhofer.de/de/presse/BMBF-Proxidrugs.html

Die Behandlung von Krebserkrankungen mit neuen, individuellen Zelltherapien ist nicht nur ein langwieriger, sondern auch ein sehr kostspieliger Prozess. Im EU-Projekt AIDPATH werden die Partner aus Industrie und Forschung über einen Zeitraum von vier Jahren eine automatisierte und intelligente Anlage zur Herstellung sogenannter CAR-T-Zellen aufbauen, welche in der Lage ist, eine gezielte und patientenspezifische Zelltherapie direkt am Behandlungsort herzustellen. Darüber hinaus befasst sich das Projekt mit der Integration der Anlage in die Krankenhausumgebung unter Berücksichtigung der logistischen Prozesse sowie des Datenmanagements und der Datensicherheit.

https://www.ipt.fraunhofer.de/de/projekte/aidpath.html

https://www.sciencrew.com/c/6499?title=AIDPATH

Die Vision von SaxoCell besteht darin, in Sachsen einen eigenständigen Industriezweig aufzubauen, der sich auf „lebende Arzneimittel“, also zellbasierte Therapieansätze, fokussieren wird. Hierbei handelt es sich um einen der innovativsten Bereiche der modernen Medizin, in dem die Therapie bislang unheilbarer Erkrankungen im Fokus steht. Die Herstellung und Anwendung von spezialisierten Zellen mit genau definierten Funktionen soll als Medizin der Zukunft flexibel und erschwinglich einsetzbar sein. Hierbei wird sich Sachsen als führender Forschungs- und Entwicklungsstandort mit hoher internationaler Sichtbarkeit etablieren.

https://www.saxocell.de/

https://tu-dresden.de/tu-dresden/newsportal/news/saxocell-startet-mit-lebenden-arzneimitteln-in-die-zukunft

https://www.izi.fraunhofer.de/de/presse/pressemitteilungen/saxocell-lebende-arzneimittel-made-in-sachsen.html

https://www.izi.fraunhofer.de/de/abteilungen/saxocell.html

Große Mengen hochwertiger Daten sind eine wichtige Grundlage für zukunftsweisende Forschung auf dem Gebiet der Gesundheitsversorgung. Das Forschungsdatenzentrum Gesundheit (FDZ) am Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) hat die Aufgabe, Daten von gesetzlich Krankenversicherten berechtigten Institutionen zu Forschungszwecken zur Verfügung zu stellen. Hierbei gibt es zwei Herausforderungen: Zum einen muss das FDZ organisatorisch und technisch fähig sein, auf Anfragen zeitnah und nutzerorientiert zu reagieren. Zum anderen handelt es sich um hochsensible, schutzbedürftige, persönliche Gesundheitsdaten. Das Vorhaben »Künstliche Intelligenz am Forschungsdaten­zentrum« (KI-FDZ) soll die vorhandenen Daten für die Forschung auch mit KI-Methoden erschließen und eine bestmögliche Nutzung erlauben, ohne dass Informationen über einzelne Personen abgeleitet werden können. Gemeinsam mit dem Fraunhofer-Institut für Digitale Medizin (MEVIS) wird ein »Sandbox«-System im FDZ aufgebaut, also ein virtueller Raum und nutzungsfreundlicher KI-Werkzeugkasten, der ein Austesten der Möglichkeiten in einer geschützten Umgebung möglich macht. Das FDZ will damit Anträgen für Forschungsprojekte, die KI-Methoden erfordern, den Weg bereiten.

https://www.bundesgesundheitsministerium.de/ministerium/ressortforschung/handlungsfelder/digitalisierung/ki-fdz

Das Fraunhofer IZI ist seit 2018 aktives Mitglied des EU-Konsortiums PIONEER (Prostate Cancer DIagnOsis and TreatmeNt Enhancement through the Power of Big Data in EuRope), einem Exzellenzcluster für Big Data Analysen bei Prostatakrebs. Das Konsortium umfasst 32 Partner aus neun europäischen Ländern.

Ziel der Zusammenarbeit ist es, durch die Generierung und Analyse großer wissenschaftlicher und klinischer Datenmengen die Versorgung von Prostatakrebspatienten zu verbessern. Eine zentrale Rolle kommt dabei der Standardisierung und Integration existierender Daten verschiedenster Quellen zu, die zu Forschungszwecken in einer innovativen Open Access Plattform zusammengefasst werden sollen. Das Fraunhofer IZI trägt dazu vor allem durch seine Expertise im Bereich der Datenharmonisierung transkriptomweiter Expressionsstudien sowie statistischer Analysen zur Identifizierung und Bestätigung von Biomarkern bei.

https://prostate-pioneer.eu/

https://www.izi.fraunhofer.de/de/abteilungen/standort-leipzig/diagnostik/bioinformatik/projekte/biomarkersignaturen-zur-diagnose-und-prognose-von-prostatakrebs.html

Eine wesentliche Herausforderung bei der Entwicklung immunmodulierender Therapien ist deren vorklinische Bewertung in Bezug auf Wirksamkeit und Sicherheit. Größtes Problem dabei ist die Komplexität des menschlichen Immunsystems. Das EU-Konsortium imSAVAR (Immune Safety Avatar: nonclinical mimicking of the immune system effects of immunomodulatory therapies) adressiert diese Herausforderungen mit neuen Konzepten zur Überprüfung immunmodulatorischer Therapien. Bestehende Modellsysteme sollen verbessert und neue entwickelt werden, um so unerwünschte Nebenwirkungen neuer Therapien auf das Immunsystem zu identifizieren. Weiterhin sollen neue Biomarker für die Diagnose und Prognose von immunmediierten Pharmakologien und Toxizitäten entwickelt werden. Im Fokus stehen zudem die genauere Erforschung von Toxizitätsmechanismen und das Potenzial für deren Minderung durch therapeutische Maßnahmen.

Das interdisziplinäre Konsortium imSAVAR umfasst 28 internationale Partner aus 11 Nationen unter der wissenschaftlichen Koordination des Fraunhofer IZI und Novartis. Unter den Partnern befinden sich universitäre und außeruniversitäre Forschungseinrichtungen, pharmazeutische und biotechnologische Unternehmen und regulatorische Behörden.

https://imsavar.eu/

https://www.izi.fraunhofer.de/de/abteilungen/standort-leipzig/diagnostik/bioinformatik/projekte/medizinische-bioinformatik-in-der-immunonkologie.html

Schlaganfallpatienten entwickeln in bis zu 10% aller Fälle eine extreme Hirnschwellung. Man spricht dann von einem »malignen Infarkt«, der aufgrund des Druckanstieges im Gehirn zu schwerwiegenden Folgeschäden führt und häufig tödlich verläuft. Die Schwellung des malignen Infarktes ist durch Medikamente kaum beeinflussbar und bedarf einer operativen Entlastung, die ihreseits risikobehaftet ist und deshalb häufig zu spät durchgeführt wird. Klinisch besteht somit die Herausforderung, schon frühzeitig diejenigen Patienten zu identifizieren, bei denen eine operative Therapie unerlässlich ist, um genau diese Patienten zeitnah zu operieren.

Ziel des Projektes ist es daher, mit Hilfe der Methode des »maschinellen Lernens« computertomografische Aufnahmen (CT-Bilder) und klinische Daten von 1.500 Patienten zu analysieren und ein Modell zu entwickeln, das hilft, die Hirnschwellung frühzeitig zu erkennen und ihren Verlauf vorherzusagen. Zunächst identifizieren computer-basierte Algorithmen automatisch charakteristische Merkmale aus den CT-Bildern und den klinischen Daten (Lernphase). In einer anschließenden Validierungsphase wird das so entwickelte Modell an neuen Datensätzen überprüft. Mit dem Einsatz des maschinellen Lernens soll die Hirnschwellung besser verstanden und frühzeitig erkannt werden.

https://apices-trial.de/das-projekt/

https://innovationsfonds.g-ba.de/projekte/versorgungsforschung/apices-automatic-prediction-of-edema-after-stroke-computergestuetzte-automatische-prognose-der-entwicklung-eines-malignen-hirnoedems-nach-mediainfarkt.250

The COVID-19 Pandemic Radiological Cooperative Network RACOON is a joint project of the radiology departments at all 36 German university hospitals. Experts at all sites segment and annotate a large number of lung CT scans in a structured and uniform manner. The resulting data is used to develop medical assistance systems and an early warning system based on AI. Fraunhofer MEVIS is one of the three technical partners in RACOON, in addition to the German Cancer Research Center (DKFZ) and the Technical University of Darmstadt.

RACOON applies MEVIS technology called SATORI for interactive data curation, AI, and radiomics analysis. 

https://racoon.network/

https://www.mevis.fraunhofer.de/en/research-and-technologies/fraunhofer-mevis-vs-corona.html

https://www.charite.de/service/pressemitteilung/artikel/detail/covid_19_mit_vereinten_kraeften_begegnen/