Schnelle Krisenbewältigung erfordert die Bewahrung der Stabilität und Handlungsfähigkeit großer Teile des gesellschaftlichen Gesamtsystems. Dies bedingt flexible, zeitnahe und angemessene Reaktionen auf veränderte (Krisen-) Lagen. Die Corona-Pandemie zeigte, ebenso wie jüngste Extremwetterlagen, dass die hierfür entscheidende ständige Anpassung für die Mehrzahl der Akteure eine erhebliche Herausforderung darstellt. Mithilfe von KI können diese Informationen so aufbereitet werden, dass die entsprechenden Akteure im Krisenfall eine maßgebliche Unterstützung erhalten. Dies reicht von der einfachen Dokumentation bis hin zu simulationsgestützten Trainingsszenarien und Schulungen.

Das Krisenmanagementcockpit AScore bereitet entscheidungsrelevante Informationen durch die Integration von Smart Cities und agentenbasierter Sozialsimulation auf. Das Simulationsmodell ist dadurch in der Lage, Prognosen bezüglich der Ausbreitung von Infektionen bei bestimmten Szenarien zu treffen.

Das Projekt „AKRIMA“ greift diesen Ansatz auf und zielt auf eine Stärkung der Krisenresilienz von kritischen Infrastrukturen, Logistikketten sowie Behörden und Organisationen mit Sicherheitsaufgaben durch eine simulationsgestützte Verbesserung von Krisenreaktionsmechanismen.

Weitere Informationen zu AScore

Am Beispiel von Hautkrankheiten wurde erforscht, wie sich die Covid-19 Pandemie auf Diagnose und Behandlung von Krankheiten auswirkt, um negativen Effekten gezielt gegensteuern zu können.

Ziel dieses Projekts ist es, einen Beitrag zur Schaffung struktureller Grundlagen für den Einsatz Künstlicher Intelligenz in der Medizindomäne zu leisten, so dass Potenziale auch kurzfristig identifizierbar und nutzbar sind. Hierbei soll insbesondere der Tatsache Rechnung getragen werden, dass sich viele individuelle Erkrankungen wie bspw. Hauterkrankungen, aber auch großflächige Krankheitsgeschehen wie bspw. die COVID-19-Pandemie, in Wechselwirkung mit der „Umwelt“ entwickeln; sie können einerseits durch Interaktionen mit erkrankten Menschen, Tieren oder anderen Infektionsquellen übertragen werden oder auch allgemein durch Umfeldfaktoren aller Art begünstigt oder ausgelöst werden. 

Gegenstand der geplanten Arbeiten ist daher die Konzeption und Entwicklung eines entsprechenden integrierten Daten- und Wissensmodells aus vorhandenen Quellen sowie die prototypische Realisierung von ersten Medizinanwendungen für die Individualmedizin sowie die öffentliche Gesundheit. Hierbei sollten zwei medizinische Anwendungsfelder, für die bereits Vorarbeiten bestehen, im Vordergrund stehen: einerseits die Simulation der Ausbreitung der COVID-19-Pandemie und andererseits die Diagnose und Behandlung von Hauterkrankungen. Das geplante Projektvorhaben soll am Deutschen Forschungszentrum für Künstliche Intelligenz in Form einer Zusammenarbeit von Forschern aus Kaiserslautern mit Forschern an der neu gegründeten Außenstelle in Trier umgesetzt werden. Beteiligt sind die beiden Themenfelder SmartCity Living Lab (SCLL) und Pattern Recognition (PR) des Forschungsbereichs Smarte Daten & Wissensdienste in Kaiserslautern sowie die an der Außenstelle Trier angesiedelten Themenfelder Kognitive Sozialsimulation (CSS) sowie Erfahrungsbasierte Lernende Systeme (EBLS). Durch dieses Projekt werden die bestehenden Kompetenzen weiter zusammengeführt und vernetzt und die Grundlage dafür gelegt, den Bereich der KI-basierten Medizin zukünftig schlagkräftig weiter beforschen zu können.

Weitere Informationen

Wie kann das Mobilitätsverhalten herzkranker Patientinnen und Patienten verbessert werden? 

Im Projekt SiNuS sollen Computersimulationen verwendet werden, um verhaltensändernde Maßnahmen (Nudging) bei Herzinsuffizienzpatienten zu gestalten und zu planen. Die in der Simulation erforschten Maßnahmen sollen dabei an die körperliche Leistungsfähigkeit und den emotionalen Zustand der Betroffenen angepasst werden, sodass gesundheitsfördernde Bewegung trotz Angst vor körperlicher Belastung unterstützt wird. Mittels qualitativer Erhebungen und empirischer Untersuchungen, u. a. mit einem Alterssimulationsanzug, wird das Potenzial für eine simulationsbasierte Evaluation der Wirksamkeit von ausgewählten Assistenzansätzen aufgezeigt.

Die Erforschung und Planung gesundheitsförderlichen Verhaltens in Simulationen kann die Selbstständigkeit von älteren Menschen fördern. Dabei ist eine Anpassung der Maßnahmen an die Bedürfnisse der Betroffenen ohne aufwendige und belastende Voruntersuchungen möglich. In Zukunft soll das Modell auf eine größere Zielgruppe sowie weitere Verhaltensweisen übertragen werden.

Weitere Informationen

Im Projekt KIAFlex werden die Nachsorgeprozesse optimiert und dynamisch an die sich ändernden Anforderungen der Patientinnenund Patienten angepasst. Ziel ist eine zeitgerechte Bedarfsermittlung, um die individuelle Versorgungsqualität zu verbessern.

Dazu wird ein KI-basiertes Assistenzsystem zur Verbesserung klinischer, organisatorischer und administrativer Prozesse im Entlassungsmanagement entwickelt und evaluiert. Dadurch wird das klinische Personal erheblich entlastet und gleichzeitig eine Verbesserung der Versorgungskontinuität beim Übergang in die Nachversorgung erreicht.

Weitere Informationen

Im Projekt OnkoCase werden Ärztinnen und Ärzte durch neue Visualisierungen und analogiebasierte Suchen in der Analyse und im Treffen von Behandlungsentscheidungen unterstützt.

Bei fortgeschrittenen Hautkrebserkrankungen stützen sich Therapieentscheidungen auf Grund mangelnder Evidenz häufiger auch auf die persönlichen Erfahrungen der behandelnden Medizinerinnen und Mediziner. Einen signifikanten Fortschritt kann hier ein Decision Support System bewirken, das durch die Analyse von Einzelfällen mit Methoden der Künstlichen Intelligenz (KI) in der Lage ist, in der Auswahl von Behandlungsmethoden zu unterstützen. Hierzu bilden frühere Fälle die Erfahrungsgrundlage, die in Form von Behandlungsdaten in klinischen Informationssystemen dokumentiert sind. Decision Support Systeme könnten somit zur Sicherstellung einer effizienten onkologischen Behandlung beitragen und aufwändige Beobachtungsstudien in Zukunft ersetzen.

SEEVacs: Was bedeutet die Verteilung von Impfstoffen auf verschiedene Kohorten? Mithilfe von Simulationen wurden Auswirkungen von Impfungen und neuen Virusvarianten auf das Pandemiegeschehen untersucht.

Im Projekt SEEvacs wird das agentenbasierte Simulationsmodell SoSAD des DFKI mit der EpideMSE-Plattform des Fraunhofer-Instituts für Techno- und Wirtschaftsmathematik (ITWM) verknüpft, um die Synergien beider Ansätze für die beispielhafte Untersuchung von Impfstrategien zu erschließen und zu nutzen. Im Fokus stehen die Auswirkungen verschiedener Impfstrategien.

Da Impfstoffe zunächst nur in begrenzter Kapazität verfügbar sind, ist es aktuell eine wichtige Frage, wer den Impfstoff wann erhalten wird. Dabei wird sowohl die Schutzbedürftigkeit der älteren Bevölkerung berücksichtigt als auch die Schlüsselrolle als Verbreiter von jüngeren Menschen. Mit dem kombinierten SoSAD-EpideMSE-Modell ist es nun einerseits möglich konkrete Impfszenarien (z.B. 10% der verfügbaren Impfdosen gehen an Kinder, 30% an Erwachsenem 50% an Senioren) zu simulieren und miteinander zu vergleichen.

Da die langfristige Simulation viele Unwägbarkeiten enthält, ist dabei der absolute Infektionsverlauf nicht so sehr entscheidend als vielmehr die relative Veränderung im Vergleich unterschiedlicher Szenarien und Strategien.

Weitere Informationen