curATime: Cluster für AtheroThrombose und Individualisierte Medizin

• Laufzeit: 01.03.2023 - 31.03.2026
  Zuwendungsgeber: BMBF - Bundesministerium für Bildung und Forschung
  
  Prof. Dr. Stefan Kramer
  Johannes Gutenberg-Universität Mainz
  
  

  curATime ist eine Förderlinie der Zukunftsclusterinitiative des Bundesministeriums für Bildung und Forschung (Clusters4Future).

  curATime kombiniert Künstliche Intelligenz (KI) getriebene Biomarkerforschung mit immunologischen Lösungsansätzen. So können individuell ausgerichtete Behandlungs- und Präventionskonzepte für Herz-Kreislauf-Erkrankungen entwickelt und in die klinische Anwendung gebracht werden. (Quelle BMBF – Website, https://www.clusters4future.de/die-konzeptionsphase/die-konzeptionsphase-der-zweiten-wettbewerbsrunde/curatime).

  Herr Professor Kramer ist als Projektkoordinator und Projektpartner bei insgesamt drei Teilprojekten für den Bereich „Künstliche Intelligenz (KI)“ in der oben genannten Förderlinie curATime mit insgesamt 3 Mitarbeiter:innen beteiligt. Bei den Teilprojekten handelt es sich um folgende Projekte curAIknow (P14), curAIheart (P12), curAIscid (P10)

  curAIKnow: Anwendung des biowissenschaftlichen Wissensgraphen Ontosight® zur Unterstützung der Vorhersage und Validierung von KI-generierten Hypothesen auf der Grundlage von Daten von Patienten und gesunden Kontrollen.

  curAIheart: Auf Künstlicher Intelligenz basierende Evaluierung echokardiagraphischer Bilddaten unter Berücksichtigung hochdimensionaler klinischer Daten

  curAIscid: CurATime AI science and development

  Die Teilprojekte von Herrn Professor Kramer gehören zu den Schlüsselbereichen curATech. Bei den beiden erst genannten Teilprojekten ist Herr Professor Kramer Projektkoordinator, bei letzterem Projekt ist er Projektpartner. Im Rahmen des Clusters ist Herr Professor Kramer auch bei weiteren Teilprojekten assoziierter Partner.

  
  

KI-Schwerpunktfelder des Forschungsprojekts

• Grundlagenforschung

  • Machine Learning (ML): Representation Learning, Transfer Learning, (Semi) Supervised Learning, Artificial Neural Network (ANN)
  • Knowledge-Based Systems



• Anwendungsbezogene Forschung

  • Intelligente Assistenzsysteme / Virtuelle Assistenten: Digitale Medizin
  • Bilderkennung und –Verstehen
  • Informationsgewinnung (Wissens-, Datenmanagement und -Analyse): Entscheidungsunterstützung
  • Technologieanalyse: Korrektheit und Sicherheit, Nachvollziehbarkeit / Erklärbarkeit