Digitale Zwillinge sollen die Typ-2-Diabetes-Behandlung verbessern

Das Hauptziel des Projekts ist die Nutzung digitaler Zwillinge zur Prognose und Verbesserung der Typ-2-Diabetes-Behandlung, und das alles unter strenger Einhaltung der Datenschutzrichtlinien.

Das "dAIbetes"-Konsortium plant, die Daten von rund 800.000 Typ-2-Diabetes-Patientinnen und -Patienten aus weltweit verteilten Kohorten in einem spezialisierten föderierten Datenbanknetzwerk zusammenzuführen. Diese Daten werden verwendet, um prognostische digitale Zwillingsmodelle zu trainieren. Diese Modelle sollen dazu beitragen, personalisierte Vorhersagen für die Behandlungsergebnisse von Typ-2-Diabetes zu erstellen und somit die Patientenversorgung zu optimieren.

Die Erstellung solcher digitaler Zwillinge erfordert große Datenmengen aus verschiedenen Quellen, was eine Herausforderung darstellt. Um Datenschutz zu gewährleisten, setzt das Projekt auf föderiertes Lernen, eine datenschutzfreundliche Methode, um künstliche Intelligenz auf verteilten Datensätzen zu trainieren. Die Patientendaten bleiben sicher hinter Firewalls und werden nicht in einer Daten-Cloud gespeichert. Diese innovative Methode ermöglicht die effektive Nutzung von Big Data und gewährleistet gleichzeitig den Schutz sensibler Informationen.

Die Ergebnisse des Projekts "dAIbetes" werden dazu beitragen, den Mangel an Leitlinien für individuelle Behandlungsergebnisse bei Typ-2-Diabetes zu beheben. Zudem wird die föderierte Gesundheitsdatenplattform als Modell für zukünftige Patientenregister dienen. Das Projekt vereint ein multidisziplinäres Konsortium mit Fachwissen in den Bereichen künstliche Intelligenz, Softwareentwicklung, Datenschutz, Cybersicherheit sowie Diabetesforschung. Ziel ist es, den Datenschutz und Big Data in der länderübergreifenden Diabetesforschung zu vereinen und so die medizinische Forschung voranzutreiben und die Behandlung von Typ-2-Diabetes weltweit zu verbessern.

MEDICA.de; Quelle: Universität Hamburg