© Fraunhofer MEVIS

Der Aufbau des AI Center for Health Care adressiert als eine der Aktivitäten im Leitprojekt Künstliche Intelligenz die kritische Relevanz von KI in der Gesundheitsforschung. Das Vorhaben dient der Vernetzung der Mitglieds­einrichtungen zum Thema KI in der Gesundheit und insbesondere der Förderung von Promovierenden, die in interdisziplinären, die Institute verbindenden Projekten engagiert sind. Auf diese Weise soll das AI Center vor Health Care als virtuelles, über die Grenzen der Mitgliedseinrichtungen hinweg agierendes Institut etabliert werden.

Im Jahr 2021 hat die U Bremen Research Alliance erstmalig die Förderung von kooperativen Forschungs­vorhaben ausgeschrieben, die den Bereich der Künstlichen Intelligenz mit dem Themenbereich Gesundheit ver­binden. Die zugrundeliegenden Mittel werden vom Land Bremen bereitgestellt und über die U Bremen Research Alliance vergeben.

Das AI Center for Health Care umfasst die folgenden neun Vorhaben:

AI Surgery Tracking

AI Surgery Tracking soll helfen, die chirurgische Versorgung durch robuste und anwenderfreundliche Unterstützungssysteme aus dem Bereich KI zu verbessern. 

Beteiligte Institutionen:
Fraunhofer MEVIS, Universität Bremen

Projektverantwortliche:
Dr. Jan Strehlow (Fraunhofer MEVIS)
Prof. Dr. Gabriel Zachmann (Universität Bremen)

IDEAL: Der Intelligente Digitale Leitlinien-Editor - Anwendung kausaler Inferenz zur Evidenzgewinnung mittels emulierter klinischer Studien

Im Zentrum des Projekts Intelligenter Digitaler Leitlinien-Editor steht die Erarbeitung einer Methodik, um mit kausaler Inferenz und adaptiven statistischen Verfahren die Planung effizienter klinischer Studien zu vereinfachen und deren Ergebnisse durch einen digitalen Leitlinien-Editor schnell in bestehende Leitlinien integrieren zu können.

Beteiligte Institutionen:
Fraunhofer MEVIS, Universität Bremen, Leibniz BIPS

Projektverantwortliche:
Dr. Max Westphal (Fraunhofer MEVIS)
Dr.-Ing. Markus Wenzel (Fraunhofer MEVIS)

Auf dem Weg zur KI-gestützten intelligenten Magnetresonanz-Bildgebung

Im Projekt Auf dem Weg zur KI-gestützten intelligenten Magnetresonanz-Bildgebung soll eine anwendungsnahe Sprache für die Entwicklung von Bildgebungstechniken in der Magnetresonanztomographie entwickelt werden, die die Unterstützung effizienter maschineller Lernverfahren ermöglicht und somit automatisiert die bestmögliche Bildgebung wählt.

Beteiligte Institutionen:
Universität BremenFraunhofer MEVIS, DFKI

Projektverantwortlicher:
Prof. Dr. Matthias Günther (Universität Bremen)

NAKO+ILSE: Multimodale Datenfusion zur frühzeitigen Erkennung von Demenz

Ziel des Projekts NAKO+ILSE ist die Zusammenführung multimodaler Daten verschiedener Studien, um die Vorhersage des biologischen, immunologischen und kognitiven Alters von Individuen zu verbessern und die Früherkennung von Demenz zu unterstützen.

Beteiligte Institutionen:
Universität BremenFraunhofer MEVIS, Leibniz BIPS, Universität Heidelberg (beratend)

Projektverantwortliche:
Prof. Dr.-Ing. Tanja Schultz (Universität Bremen)
Prof. Dr. Matthias Günther (Fraunhofer MEVIS)

NAKO-MNA: Multimodaler Normatlas und synthetisches Datenmodell auf Basis der NAKO-Gesundheitsstudie

Das Projekt NAKO-MNA zielt auf die KI-basierte Entwicklung eines multimodalen impliziten Datenmodells auf Basis kombinierter Bilddaten und komplexer tabellarischer Daten der NAKO-Gesundheitsstudie. Ein Anwendungsziel liegt in der verbesserten Fähigkeit, Normabweichungen und bislang unentdeckte Zufallsbefunde sensitiv zu detektieren.

Beteiligte Institutionen:
Leibniz BIPS, Fraunhofer MEVIS

Projektverantwortlicher:
Prof. Dr. Marvin N. Wright (Leibniz BIPS)

PORTAL: Prediction of mechanical properties of additively manufactured parts by means of Machine Learning

Im Rahmen des Projekts PORTAL wird an KI-basierten Optimierungsstrategien zur laseradditiven Fertigung von Endoprothesen geforscht. Dabei soll ein Vorwärtsmodell entwickelt werden, um Aussagen über Eigenschaften wie Schwingfestigkeit des gefertigten Bauteils entsprechend des Einsatzzwecks zu treffen. Ein weiteres Ziel ist die Entwicklung eines Rückwärtsmodells, um den Fertigungsprozess passgenau auf den Einsatzzweck zu parametrisieren.

Beteiligte Institutionen:
Leibniz IWT, Universität Bremen

Projektverantwortlicher:
Prof. Dr.-Ing. Rainer Fechte-Heinen (Leibniz IWT)

ENABLE: KI-unterstützte Entwicklung neuer antibakteriell wirksamer Oberflächen

Ziel des Projekts ENABLE ist die Entwicklung einer antibakteriell wirksamen Legierung, mit deren Hilfe eine Reduzierung Implantat-assoziierter Infektionen erreicht werden soll.

Beteiligte Institutionen:
Leibniz IWT, Universität Bremen

Projektverantwortliche:
Dr.-Ing. Anastasiya Tönjes(Leibniz IWT)

KIKI: KI-gestützte Entwicklung von Kieselalgenstrukturen zum Aufbau von additiv gefertigten Endoprothesen aus Ti-6Al-4V

Im Zentrum des Projekts KIKI stehen die vorteilhaften Strukturen von Kieselalgen für die Entwicklung medizinischer Endoprothesen.

Beteiligte Institutionen:
AWI, Leibniz IWT

Projektverantwortlicher:
Dr. Christian Hamm (AWI)

MetaN : AI-driven, reconfigurable metamaterial imaging technology for MR

Ziel des Projekts MetaN ist eine effizienzverbesserte MR-Bildgebung durch den Einsatz flexibler und dynamisch durch Methoden der Künstlichen Intelligenz optimierter Metamaterialien.

Beteiligte Institutionen:
Universität Bremen, Fraunhofer IFAM

Projektverantwortlicher:
Dr. Dennis Philipp (Universität Bremen)