Johns Hopkins-Zuschüsse zielen darauf ab, KI-Lösungen für ältere Patienten zu unterstützen

20. Juni 2023 – Mit einem Gesamtvolumen von etwas mehr als 1 Million US-Dollar wurden im Rahmen einer Finanzierungsrunde des Johns Hopkins Artificial Intelligence and Technology Collaboratory for Aging Research (JH AITC) mehrere Projekte unterstützt, um die Bemühungen zur Entwicklung und Nutzung von KI zur Förderung der Gesundheit älterer Patienten voranzutreiben.

JH AITC wurde 2021 ins Leben gerufen, nachdem es vom National Institute on Aging eine Förderung in Höhe von 20 Millionen US-Dollar erhalten hatte. Seitdem hat es sich als Zentrum für Innovationen zum Thema Altern und Zusammenarbeit in der Johns-Hopkins-Community etabliert.

Anfang 2023 stellte JH AITC 14 Pilotprojekten 3 Millionen US-Dollar zur Verfügung. Das Ziel dahinter war, in der Forschung rund um die Anwendung von KI in Forschungspraktiken herausragende Leistungen zu erbringen.

Die zweite Finanzierungsrunde konzentriert sich auf die Ausweitung der Mittel zur Entwicklung KI-basierter Geräte und Innovationen rund um Altersstudien. Konkret erforschen die Empfänger, wie KI zur Behandlung von kognitivem Verfall eingesetzt werden kann.

„An der Schnittstelle von Technologie und Geriatrie leisten wir Pionierarbeit für eine Zukunft, in der künstliche Intelligenz wieder Belastbarkeit und Autonomie in das Leben älterer Erwachsener bringt. Die Projekte, die wir unterstützen, sind mehr als nur Fortschritte im Gesundheitswesen: Sie sind unser Engagement für die Förderung einer Gesellschaft.“ wo Altern mit Chancen für Wachstum und nicht für Rückgang verbunden ist“, sagte Peter Abadir, MD, außerordentlicher Professor für Medizin und Co-Hauptforscher des JH AITC, in einer Pressemitteilung. „Wir investieren in eine Zukunft, die unsere Senioren stärkt.“

Ein Stipendiat ist ein Projekt der Johns Hopkins School of Medicine. Unter der Leitung von Tracy Vannorsdall, PhD, einer außerordentlichen Professorin in der Abteilung für Psychiatrie und Verhaltenswissenschaften und der Abteilung für Neurologie der Johns Hopkins School of Medicine, zielt das Projekt darauf ab, eine mobile Anwendung und maschinelles Lernen zu nutzen, um COVID-19-bezogene Ergebnisse in der Umgebung vorherzusagen kognitiver Verfall. Laut Vannorsdall ist die Coronavirus-Erkrankung bei älteren Patienten mit einem höheren Alzheimer-Risiko verbunden.

Unter der Leitung von Vijaya Kolachalama, PhD, einem außerordentlichen Professor für Medizin an der Boston University, nutzt ein weiteres Stipendiatenteam Sprachaufzeichnung und Neuroimaging aus der Framingham Heart Study, um Deep-Learning-Modelle für die Beurteilung von Alzheimer-bedingter Demenz (ADRD) zu erstellen.

Das dritte preisgekrönte Projekt unter der Leitung von Kunal Mankodiya, PhD, Gründer von EchoWear LLC und Direktor des Wearable Biosensing Lab an der University of Rhode Island, umfasst eine KI-basierte Bewertung kognitiver Veränderungen.

John A. Batsis, MD, außerordentlicher Professor für Medizin an der University of North Carolina an der Chapel Hill School of Medicine, leitet ein Team bei der Entwicklung eines Geriatric Functional Assessment System (GFAS). Mit diesem Tool können Forscher die körperliche Funktion anhand visueller und bewegungsbezogener Daten bewerten, die von einem tragbaren Gerät erfasst werden.

Schließlich wird ein Team unter der Leitung von Linda Denney, PhD, Assistenzprofessorin für öffentliche Gesundheit und Gemeinschaftsmedizin an der Tufts University School of Medicine, die Zuschussmittel verwenden, um ein Projekt zu unterstützen, das eine Einlagenlösung nutzt, um das Ausmaß der Stürze von Patienten zu überwachen.

Zahlreiche frühere Bemühungen bestanden darin, KI zur Unterstützung der Pflege älterer Patienten einzusetzen.

Im Oktober 2022 entwickelten Forscher von Houston Methodist ein KI-Modell, um die Ergebnisse von Krankenhausaufenthalten bei Patienten mit Demenz vorherzusagen. Sie entwickelten das Modell anhand Tausender Patientenbegegnungen und definierten Risikofaktoren im Zusammenhang mit demografischen Merkmalen, Komplikationen sowie Daten vor und nach der Aufnahme.

Anschließend überprüften die Forscher die mit jeder Art von Demenz verbundenen Risikofaktoren und nutzten diese Informationen zur Erstellung des KI-Modells. Sie fanden heraus, dass das Modell eine Genauigkeit von 95,6 Prozent erreichte und eine bessere Leistung aufwies als andere Methoden zur Risikobewertung von Demenz.