Zentrales DZHK-Digitalisierungsprojekt Imaging "Multicentric AI development for cardiovascular disease classification and theraphy support based on imaging data"

Eine zentrale „Bündelung“ von medizinischen Daten aus mehreren Zentren an einem zentralen Datenspeicherort ist nach Datenschutz- und Sicherheitsrecht in der Regel aktuell unzulässig. Die im Projekt „Federated Learning of TAVI Outcomes (FLOTO)“ entwickelte Plattform und Infrastruktur für föderiertes Lernen ermöglicht es, dass die Daten in den einzelnen Kliniken verbleiben und die Algorithmen dezentral trainiert werden können. Neben Leistungsoptimierungen soll die Integration in die klinische IT-Landschaft verbessert und Algorithmen sollen mit Visualisierungen für die Entwickler zur Überprüfung des Trainingsprozesses versehen werden. 

Mit Hilfe des bestehenden Anwendungsfalls FLOTO und der dort bereits verfügbaren Daten können diese neuen Konzepte direkt zu Beginn des Projekts getestet und die bestehende Plattform hinsichtlich Leistung und Stabilität optimiert werden.

Das zweite Teilprojekt adressiert die Entwicklung individualisierter Scores zur Klassifizierung von Patient:innen mit Verdickung des Herzmuskels anhand einer Kombination von Daten aus der Herz-Magnetresonanztomographie und persönlichen Daten unter Nutzung künstlicher Intelligenz für Bildauswertung und -interpretation. Hier soll zum einen die bestehende Infrastruktur genutzt werden, um die Adaption von Bildverarbeitungslösungen an die Daten verschiedener Zentren zu ermöglichen. Zum anderen werden die gut strukturierten Daten der UK-Biobank und vorhandener DZHK-Studien genutzt, um die Scoring-Modelle zu trainieren.

Das Projekt wird durch das Deutsche Zentrum für Herzkreislaufforschung gefördert und durch Prof. Dr. Sandy Engelhardt aus Heidelberg koordiniert.