Das Projekt Lifespan AI hat bereits im Juni seine Arbeit aufgenommen. Nun konnten sich alle Beteiligten bei einem gemeinsamen Treffen erstmals austauschen.
Bei Lifespan AI werden sensible Daten unter Einhaltung ethischer und datenschutzrechtlicher Vorschriften genutzt, um Modelle des maschinellen Lernens (ML) und des Deep Learning (DL) voranzutreiben. Ziel ist es, kausale Erkenntnisse zu gewinnen, um die Ursachen komplexer Krankheiten aufzudecken und Präventionsstrategien zu optimieren. Am vergangenen Donnerstag konnten sich alle Projektbeteiligten erstmals austauschen und sich auf die gemeinsamen Ziele einigen.
Lifespan AI – das sind die Ziele
Das Arbeitsprogramm von Lifespan AI besteht aus sechs Projekten, die in drei Themenbereiche gegliedert sind und die Vision von Lifespan AI aus unterschiedlichen Perspektiven verfolgen: Daten und Methoden (D), Modelle und Interpretation (M) sowie Inferenz und Kausalität (C). D1 wird DL-Strategien weiterentwickeln, um langfristige zeitliche Veränderungen auf der Grundlage der Integration hochdimensionaler Daten aus verschiedenen Quellen zu untersuchen und zu verarbeiten; D2 wird neuronale Netze und Mixed-Effects-Modelle kombinieren, um individuelle Gesundheitsverläufe über den Lebensverlauf hinweg vorherzusagen; M1 wird „Normalizing-Flow“-Methoden entwickeln, um gemeinsame Verteilungen und bedingte Dichten für Gesundheitsdaten abzuleiten; M2 wird einen kognitiven digitalen Zwilling aus alltäglichen menschlichen Aktivitäten erstellen, um Veränderungen über Altersgruppen hinweg vorherzusagen; C1 wird zeitadaptive, erklärbare KI-Methoden für rekurrente neuronale Netze und Ereigniszeiten entwickeln; und C2 wird einen Rahmen für die Kausalitätsermittlung in Längsschnittstudien ableiten, der verschiedene Datensätze kombiniert und Nichtlinearitäten berücksichtigt.