Lifespan AI – erfolgreiches Kick-Off-Treffen
In Lifespan AI werden sensible Daten unter Einhaltung ethischer und datenschutzrechtlicher Bedingungen verwendet, um Maschinelle Lernverfahren (ML) und Deep-Learning (DL)-Modelle voranzutreiben. Ziel ist die Gewinnung kausaler Erkenntnisse, um Ursachen komplexer Erkrankungen aufzudecken und Präventionsstrategien zu optimieren. Am vergangenen Donnerstag konnten sich alle Beteiligte des Projekts jetzt erstmals gemeinsam austauschen und über die gemeinsamen Ziele verständigen.
Lifespan AI – das sind die Ziele
Das Arbeitsprogramm von Lifespan AI besteht aus sechs Projekten, die in drei Themen gruppiert sind und die Lifespan AI Vision aus verschiedenen Perspektiven verfolgen: Daten und Methoden (D), Modelle und Interpretation (M) sowie Inferenz und Kausalität (C). In D1 werden DL-Strategien zur Erforschung und Verarbeitung langfristiger zeitlicher Änderungen auf der Grundlage der Integration hochdimensionaler Daten aus mehreren Quellen vorangetrieben; D2 wird neuronale Netze und Modelle mit gemischten Effekten kombinieren, um individuelle Gesundheitsverläufe über den Lebenslauf vorherzusagen; M1 wird „Normalizing Flow“ Methoden entwickeln, um gemeinsame Verteilungen und bedingte Dichten für Gesundheitsdaten abzuleiten; M2 wird aus alltäglichen Aktivitäten des Menschen einen kognitiven digitalen Zwilling schaffen, um Veränderungen über Altersgruppen hinweg vorherzusagen; C1 wird zeitadaptive, erklärbare KI-Methoden für rekurrente neuronale Netze und Ereigniszeiten entwickeln; und C2 wird ein Framework für „Causal Discovery“ in longitudinalen Studien herleiten, wobei verschiedene Datensätze kombiniert und Nichtlinearitäten berücksichtigt werden.
Weitere Informationen zu dem Projekt finden sich hier.