Ziel der Fördermaßnahme "Computational Life Sciences" ist es, die Entwicklung innovativer Methoden und Softwarewerkzeuge zur bioinformatischen Verarbeitung, Modellierung und Simulation mit Blick auf aktuelle Fragestellungen in den Lebenswissenschaften voranzubringen. So sollen der lebenswissenschaftlichen Forschung in Deutschland effiziente und zuverlässige Hilfsmittel zur Verfügung stehen, um die durch neueste experimentelle Methoden oder die Zusammenführung verschiedener Modalitäten gewonnenen Daten geeignet zu modellieren und zu analysieren.
Im Fokus der aktuellen Bekanntmachung stehen KI-Methoden für die Systemmedizin. Ziel ist es, Methoden zu entwickeln, die mithilfe geeigneter KI-Algorithmen den derzeitigen Stand der Technik in der systemmedizinischen Datenanalyse entscheidend verbessern. Der Schwerpunkt liegt dabei auf klinisch relevanten Fragestellungen.
Das Verbundprojekt AIx-NEO-guard beschäftigt sich mit Verbesserungen bei der Erkennung und Behandlung medizinischer Komplikationen, die bei Früh- und Neugeborenen auftreten können. Es ist geplant, mithilfe von Methoden der Künstlicher Intelligenz Komplikationen, welche bei der Behandlung von Früh- und Neugeborenen auftreten können, frühzeitiger als bisher erkennen zu können. Im Mittelpunkt steht dabei die Untersuchung Beatmungs-spezifischer Komplikationen – etwa sogenannte Asynchronitäten zwischen Patient und Maschine – die häufig zu einer möglichen Verschlechterung des Gesundheitszustands führen. Es ist vorgesehen, im Rahmen von AIx-NEO-guard ein physiologisches Modell zu erarbeiten, welches die große Variabilität der Physiologie dieser speziellen, inhomogenen neonatalen Patientengruppe abbildet.
Das geplante Modell soll – zusammen mit transparenten, KI-basierten Algorithmen – künftig ermöglichen, komplikations-spezifische Muster in den Datensätzen zu erkennen. Die im Rahmen des Projekts gewonnenen Erkenntnisse und Erfahrungen sollen das medizinische Personal künftig dabei unterstützen, Zustandsverschlechterungen bei Früh- und Neugeborenen mithilfe der entwickelten KI-Algorithmen frühzeitiger zu erkennen. Durch das erarbeitete physiologische Modell soll darüber hinaus langfristig auch die Entscheidung zwischen spezifischen Therapien erleichtert werden.