TransCareTech – Human Digital Twin (Innovationskern 2)

Der Innovationskern 2 innerhalb des Projektes TransCareTech erforscht die Implikationen der Integration von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) im Bereich der Gesundheitspflege. Ziel ist der Aufbau einer ganzheitlichen Wissensrepräsentation in Form eines menschlichen Digitalen Zwillings. Die Daten sollen sowohl für Menschen als auch für Maschinen optimiert sein und so ein anpassungsfähiges Ökosystem bieten, welches den ethischen und datenschutzkonformen Austausch von Informationen zwischen verschiedenen Akteuren im Gesundheitswesen fördert. Durch den Einsatz künstlicher Intelligenz sollen soll die Simulation und Vorhersage von Gesundheitsparametern und damit die klinische Entscheidungsfindung und die Patientenversorgung erheblich verbessert werden. Es soll dabei den FAIR-Prinzipien genügen, d.h. Daten sollen auffindbar, zugänglich, interoperabel und wiederverwendbar sein.

IK2 ist dabei auf die folgenden Ziele ausgerichtet:

• Nutzbarkeit der Daten zu verbessern: Sicherstellen, dass sowohl Menschen als auch Maschinen auf Gesundheitsdaten zugreifen und diese effizient nutzen können.
• Förderung des ethischen und sicheren Datenaustauschs: Ermöglichung des Austauschs und der Nutzung von Daten durch verschiedene Akteure im Gesundheitswesen – von Forscher*innen bis hin zu Ärzt*innen – in einer Weise, die sowohl ethisch als auch (datenschutz-)rechtlich einwandfrei ist.
• Verbesserung der Pflegeprozesse: Integration von KI- und ML-Tools zur Vorhersage und Simulation von täglichen Aktivitäten/Gesundheitsergebnissen und damit zur Verbesserung von Entscheidungsprozessen.

Im Projekt beschäftigt sich ein multidisziplinäres Team aus Forscher*innen mit der Schaffung einer skalierbarer, KI-gesteuerter Analyseplattformen, die in der Lage sind, die zunehmende Datenkomplexität zu bewältigen. Insbesondere betrachten wir auch die häusliche Wohnumgebung durch Nutzung von Smart-Home-Technologien, um beispielsweise die Aktivität von Bewohner*innen bewerten, oder eine robuste Erkennung von Anomalien zu ermöglichen.