Die Bevölkerung in Deutschland lebt immer länger: Die Lebenserwartung ist in den letzten zwanzig Jahren von 78 auf 81 Jahre gestiegen. Damit verbunden sind jedoch auch erhebliche und kontinuierlich steigende Gesundheitsausgaben. Denn je älter die Menschen werden, desto häufiger treten meist multiple chronische Krankheiten und altersbedingte Funktionsdefizite auf. Der einzelne Patient wird zu einem komplexen klinischen Mosaik, das die traditionelle Medizin auch durch zunehmende Kosten vor Herausforderungen stellt.

Die Digitalisierung öffnet bei einer großen Zahl von Krankheitsbildern Forschungs- und Anwendungspotenziale, um Prävention, Diagnostik und Therapie zu verbessern. Die Analyse großer klinischer und molekularer Datensätze (Big Data) kann einen wichtigen Beitrag zu einer personalisierten, auf den Einzelnen ausgerichteten Medizin leisten und dabei möglicherweise sogar Kosten senken. Wir stellen einige Forschungsprojekte vor, die das Potential aufzeigen, das sich aus der Analyse großer Datenmengen im biomedizinischen Bereich für die personalisierte Medizin ergibt.

F
FedCov

FedCov

Vorhersage von Long-/Post-COVID durch künstliche Intelligenz unter Verwendung eines föderierten Lernansatzes auf Basis deutscher Kohortendaten
P
P4D

P4D

Das P4D-Projekt zielt darauf ab, die Diagnose, Therapie und Prävention von depressiven Störungen durch personalisierte Behandlungsansätze unter Verwendung von Methoden des maschinellen Lernens und der klinischen Validierung von Blutmarkern zu verbessern.
R
RECITALS

RECITALS

RECITALS: Eine Open-Source Plattform für den datenschutzwahrenden Datenaustausch und das Identitätsmanagement mithilfe von Kryptografie, föderalem Lernen und KI.