QualitätssicherungLaufend
STRATIF-AI

Kontinuierliche Stratifizierung zur Verbesserung der Prävention, der Behandlung und der Rehabilitation von Schlaganfallpatienten mithilfe digitaler Zwillinge und künstlicher Intelligenz.
Eine Plattform, die durch mechanistische Modellierung und Bioinformatik eine virtuelle Kopie von Patient:innen erstellt und Gesundheitssimulationen ermöglicht. Durch Verknüpfung mehrerer Apps wird der Weg von Schlaganfall-Patient:innen verfolgt und alle Phasen abgedeckt, von der Prävention über die Behandlung bis hin zur Rehabilitation.
Hintergrund
Die traditionelle Patient:innenstratifizierung stützt sich oft auf periodische Bewertungen, wodurch die reichhaltigen, kontinuierlichen Daten, die zwischen den Terminen generiert werden, ungenutzt bleiben. Daten aus verschiedenen Technologien, medizinischen Fachgebieten und Krankheitsstadien führen zu unvollständigen Patient:innenprofilen und behindern zeitnahe Gesundheitsentscheidungen. Das STRATIF-AI-Projekt führt einen neuen Ansatz ein – die kontinuierliche Stratifizierung –, der alle verfügbaren Patient:innendaten in einem persönlichen Datentresor nutzt und ständig deren digitalen Zwilling aktualisiert. Dieser Zwilling integriert sowohl traditionelle Datenquellen wie MRT-Bilder und Blutproben, als auch neue Quellen wie tragbare Geräte und Patient:innentagebücher. Durch die Kombination von mechanistischen Modellen mit maschinellem Lernen (ML) und Bioinformatik gewährleistet dieser Ansatz eine umfassende Echtzeitansicht der Gesundheit der Patient:innen und zielt darauf ab, die Pflege in allen Phasen der Schlaganfallbehandlung zu verbessern: Prävention, akute Behandlung und Rehabilitation.
Zielsetzung
Die Ziele des Projekts sind:
Datenharmonisierung und -integration: Entwicklung eines Systems zur semantischen Harmonisierung und Integration vielfältiger, schlaganfallrelevanter Datenquellen.
Modellentwicklung und -validierung: Verbesserung der digitalen Zwilling-Modelle zur Simulation patient:innenspezifischer physiologischer Prozesse.
STRATIF-AI-Plattformentwicklung: Gemeinsames Entwerfen einer Schlaganfall-Stratifizierungsplattform, Integration vorhandener Apps sowie Input klinischer Endnutzer:innen.
Klinische Folgenabschätzung: Durchführung von Hybridstudien mit effektiver Implementierung, bei denen die Patient:innenergebnisse mit und ohne Technologie verglichen werden.
Vertrauenswürdige KI und Datenschutz: Sicherstellung, dass vertrauenswürdige KI-Grundsätze integriert sind und mit EU-Richtlinien und -Vorschriften übereinstimmen.
Verbreitung und Verallgemeinerung: Organisation von Aktivitäten zur Verbreitung und Nutzung der Projektergebnisse an ein breites Spektrum von Interessengruppen.
Methodik
Das Projekt wird eine Plattform für föderiertes Lernen nutzen, um Daten aus mehreren Quellen unter strengen rechtlichen und sicherheitstechnischen Bedingungen zu verwalten. Ein System zur Datenharmonisierung und -interoperabilität stellt sicher, dass verschiedene Datentypen vollständig integriert und innerhalb des persönlichen Datentresors zugänglich sind. Diese hybride Plattform für digitale Zwillinge dient als Backend für alle Frontend-Anwendungen, die gemeinsam mit Stakeholdern gestaltet werden, um Ethik und Vertrauenswürdigkeit in den Phasen der Schlaganfallprävention, -behandlung und -rehabilitation zu gewährleisten.
Erwartete Ergebnisse / Implikationen / Perspektiven
Das STRATIF-AI-Projekt zielt darauf ab, das Gesundheitswesen durch die Einführung kontinuierlicher Stratifizierung zu revolutionieren und die Lücken in traditionellen, intermittierenden Bewertungen zu überbrücken. Wissenschaftlich bietet die Plattform modernste Methoden der Datenintegration und -analyse, die die klinische Forschung und Patient:innenstratifizierung verbessern. Ökonomisch und technisch bietet sie erweiterbare Fähigkeiten, zieht neue Akteure wie Unternehmen für tragbare Sensoren an und fördert die Annahme evidenzbasierter Richtlinien. Gesellschaftlich repräsentiert STRATIF-AI einen Wandel hin zu einem patient:innenzentrierten Gesundheitsökosystem, das kontinuierliche Stratifizierung und personalisierte Pflege fördert. Die potenziellen Auswirkungen umfassen verbesserte Patient:innenergebnisse, verringerte Krankheitslast und gestärktes Vertrauen in innovative Gesundheitstechnologien.
Weitere Informationen
Förderer und Kooperationspartner
Das Projekt wird durch das Horizon 2022-Programm der Europäischen Union unter der Grant Agreement No. 101080875 gefördert.
Projektpartner
- Linköping Universitet (LIU), Schweden
- Technological University Dublin (TUD), Irland
- Tree Technology SA (TREE), Spanien
- Software Imagination & Vision (SIM), Rumänien
- Fundacio Institut Guttmann (GUT), Spanien
- Schweizer Paraplegiker-Forschung AG (SPF), Schweiz
- Spitalul Clinic de Urgenta Bagdasar-Arseni (SCU), Rumänien
- Region Västerbotten (RV), Schweden
- Centre Hospitalier Regional et Universitaire de Brest (BRE), Frankreich
- Fondazione IRCCS Istituto Neurologico Carlo Besta (FINCB), Italien
- Universidad de Murcia (UM), Spanien
- Sheffield Teaching Hospitals NHS Foundation Trust (SHE), UK
- Z2 Invest AB (Z2), Schweden
- Region Östergötland (RÖ), Schweden