Schwarm Lernen: Nutzung der KI-Leistung für eine bessere medizinische Versorgung
Die Identifizierung von an Volkskrankheiten erkrankte Personen ist ein wichtiges Ziel der Präzisionsmedizin. Die molekulare Charakterisierung von Bioproben mit Hilfe von „Omics“-Technologien hat Möglichkeiten für die Nutzung großer Datenmengen zu Diagnosezwecken eröffnet, insbesondere auch für die Anwendung von Mustererkennung auf der Grundlage künstlicher Intelligenz (KI). In globalen Krisensituationen können zuverlässige, schnelle, sichere und den Datenschutz wahrende KI-Lösungen dazu beitragen, entscheidende Fragen bei der Bekämpfung dieser Bedrohungen zu beantworten.
KI-Lösungen hängen von geeigneten Algorithmen und vor allem von großen Trainingsdatensätzen ab. Aufgrund der dezentralen Organisation der Medizin reichen lokale Datenmengen oft nicht aus, um zuverlässige und verallgemeinerbare Klassifikatoren zu trainieren. Um eine technische Lösung zu implementieren, die unnötigen Datenverkehr und Datenduplikation vermeidet und gleichzeitig die europäischen Datenschutzgesetze beachtet, haben wir das Globale Schwarm Lernen Projekt ins Leben gerufen, das Institutionen auf der ganzen Welt vernetzt.
Die molekulare Charakterisierung der Immunzellen im Blut mittels hochdimensionaler Zytometrie ist eine der wesentlichen Analysemethoden in der Immunologie, um den Status des Immunsystems der spenden Person und damit ihren Gesundheitszustand zu phänotypisieren. Im Globalen Schwarm Netzwerk harmonisieren, standardisieren und optimieren wir nun gemeinsam die Ansätze zur Nutzung der hochdimensionalen Zytometrie für KI-basierte Analysen rund um den Globus.
Medizin und Forschung erzeugen immer mehr Daten, die zu einem genaueren Verständnis von Krankheiten und den ihnen zugrunde liegenden Prozessen führen. In dieser komplexen Datenlandschaft lassen sich wichtige Erkenntnisse für die Entwicklung neuer Präzisionstherapien gewinnen, die besser auf den einzelnen Patienten zugeschnitten sind als herkömmliche Behandlungen.
In dem von der VolkswagenStiftung geförderten Projekt vernetzen Experten aus Bonn, Berlin, Köln, Gießen, Hamburg, Homburg, München und Saarbrücken Kliniken und Institutionen in ganz Deutschland in einem nationalen Schwarm Lernen-Netzwerk. Als Fallstudie werden COVID-Durchbruchsinfektionen untersucht, um zu verstehen, warum manche Menschen trotz Impfung an COVID erkranken.
Das Projekt befasst sich auch mit den ethischen Aspekten des Einsatzes von KI in der Medizin. Durch die Einbindung von Patientenselbsthilfegruppen sowie Experten mit ethischem Fachwissen wird sichergestellt, dass ethische und soziale Erwägungen während des Projekts und nicht erst nach der Einführung technischer Innovationen berücksichtigt werden, wie es leider oft der Fall ist.
In globalen Krisensituationen können zuverlässige, schnelle, sichere und die Privatsphäre wahrende KI-Lösungen helfen, entscheidende Fragen bei der Bekämpfung dieser Bedrohungen zu beantworten.
Mitglieder des Konsortiums
- Prof. Dr. Marylyn Addo, Universitätsklinikum Hamburg-Eppendorf
- Prof. Dr. Alena Buyx, Technische Universität München
- Prof. Dr. Susanne Herold, Universitätsklinikum Gießen und Marburg
- Prof. Dr. Florian Klein, Uniklinik Köln
- Prof. Dr. Percy Knolle, Technische Universität München
- Prof. Dr. Leif Erik Sander, Charité - Universitätsmedizin Berlin, Ko-Sprecher
- Prof. Dr. Birgit Sawitzki, Charité - Universitätsmedizin Berlin
- Prof. Dr. Martina Sester, Universitätsklinikum des Saarlandes
- Prof. Dr. Joachim Schultze, Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE) und Universität Bonn, Sprecher
- Prof. Dr. Fabian Theis, Helmholtz München
COVIM (Collaborative Immunity Platform of the NUM) ist ein landesweites Netzwerk von führenden Wissenschaftlern und Klinikern mit Spezialisierungen in Immunologie, Virologie, klinische Infektionskrankheiten, Epidemiologie und Datenwissenschaften.
In der ersten Förderphase untersuchte das COVIM-Konsortium die durch Infektion und Impfung hervorgerufene Immunantwort auf SARS-CoV-2 mit dem Ziel, das Ausmaß und die Dauer der Immunität gegen COVID-19 zu bestimmen.
Um die Immunität der Bevölkerung während einer Pandemie zu bewerten und Risikogruppen zu identifizieren, sind neben geeigneten klinischen Studien und Kohorten validierte und standardisierte Verfahren zur Messung der Immunität unerlässlich. Ein gründliches Verständnis der Immunreaktion auf SARS-CoV-2 erleichtert auch die Entwicklung neuer prophylaktischer und therapeutischer Behandlungen für COVID-19 auf der Grundlage der Prinzipien der schützenden Immunität.
In der zweiten Förderphase wird COVIM skalierbare Infrastrukturen für die rasche Erfassung und Analyse komplexer Datensätze zur Immunität gegen COVID-19 und künftige pandemische Bedrohungen aufbauen und erweitern. Dies wird den sofortigen Zugang zu Informationen über den Stand der Immunität gegen pathogene Bedrohungen ermöglichen, was rasche Reaktionen und wissenschaftlich fundierte Entscheidungen über mögliche Maßnahmen bei Ausbrüchen erlaubt.
Das Gesamtprojekt ist ein integraler Bestandteil des Netzwerks der Universitätsmedizin (NUM) und ist eng mit den NUM-Infrastrukturen und anderen Forschungsprojekten verbunden.
Das DZNE verbindet seine verschiedenen Standorte mit Swarm-Learning-Funktionen. Dies ermöglicht dem DZNE die Durchführung gemeinsamer Analysen in Forschungsprojekten an verschiedenen DZNE-Standorten in ganz Deutschland. Insbesondere bei großen Datenmengen wie Bilddaten erleichtert dies die Zusammenarbeit, ohne dass große Rohdaten zwischen verschiedenen Standorten ausgetauscht oder Daten in ein zentrales Datenrepository verschoben werden müssen.
Ein weiterer zukünftiger Einsatz von Swarm Learning ist im Rahmen des Clinical Trial Unit-Netzwerks des DZNE vorgesehen. Dabei wird Swarm Learning multizentrische klinische Studien unterstützen, die an den verschiedenen DZNE-Standorten innerhalb der Clinical Trial Units durchgeführt werden.