Im Projekt PRE-CARE ML sollen auf Maschinellem Lernen (ML) basierende Modelle zur Risikovorhersage von Herz-Kreislauf-Erkrankungen wie Herzinfarkt, ischämische Herzkrankheit und Schlaganfall entwickelt, validiert, verbessert und in verschiedenen klinischen Kontexten getestet werden. In diesem Vorhaben wird das Hasso-Plattner-Institut (HPI) zum einen die bestehenden Modelle mithilfe von de-identifizierten Daten der Icahn School of Medicine am Mount Sinai, New York, USA, validieren und verbessern. Es stehen elektronische Patientendaten von fast 4 Mio. Patientinnen und Patienten für die Validierung zur Verfügung, die das gesamte Spektrum der Pflege sowie strukturierte und unstrukturierte stationäre, ambulante und Notfalldaten seit 2003 abdecken. Als eines der größten Gesundheitssysteme in New York spiegelt die Patientenpopulation des Mount Sinai die kulturelle, soziale und demografische Vielfalt der Stadt wider. Die Modellvalidierung und -adaption erfolgt in engem Austausch zwischen allen Projektpartnern, die jeweils eigene klinische Daten aus Österreich, Brasilien, Slowenien und Schweden einbringen. Hierzu werden zunächst Datenzugang, -management und -qualität sichergestellt und die Datenformate zwischen den Partnern harmonisiert. Das HPI wird zudem Verfahren des föderierten Lernens etablieren und so die Modelle verbessern ohne Daten zu transferieren. Die Projektpartner des HPI integrieren die entwickelten ML-Modelle in Krankenhausinformationssysteme in Österreich, Brasilien und Slowenien und bewerten ihre Auswirkungen auf die tägliche Krankenhausroutine. Parallel wird das HPI mit Unterstützung der Projektpartner auf der Grundlage dieser validierten Modelle wirksame Risikokommunikationsstrategien entwickeln, die in Form von mobilen Applikationen als personalisierte Gesundheitsdienste umgesetzt werden, um Verhaltensänderungen bei den Patientinnen und Patienten zu bewirken.