Projekte

REMEDi4ALL aims to make a significant leap forward in drug repurposing. This promising approach to drug development, consisting of identifying, testing, and validating new therapeutic indications for existing medications, is a developing field but faces numerous barriers and systemic inefficiencies. Still, its potential to significantly bring down times and costs of drug development - it focuses on already approved, discontinued, shelved or investigational therapeutics - makes this novel strategy attractive for rare and neglected conditions, cancer, emerging public health threats such as COVID-19 or new drug combinations. It also translates into more sustainable health systems.

ParKInsonPredict is a joint research project of Technische Universität Dresden and Fraunhofer SCAI aiming to predict disease progression patterns in Parkinson's disease.

ADIS steht für »Early Diagnosis of Alzheimer's Disease by Immune Profiling of Cytotoxic Lymphocytes and Recording of Sleep Disturbances«. Das Projekt wird durch das gemeinsame Programm der EU zur Erforschung neurodegenerativer Krankheiten (JPND) finanziert. JPND ist die größte globale Forschungsinitiative, die darauf abzielt, die Herausforderung neurodegenerativer Krankheiten zu bewältigen. Das ADIS-Projekt (gestartet im Juli 2022) hat eine Laufzeit von drei Jahren und verfügt über ein Budget von 1,3 Millionen Euro von denen 300.000 Euro an Fraunhofer SCAI gehen.

Entwicklung eines objektiven Schnelltests für die Früherkennung von Depressionen.

Ziel des AIOLOS-Projekts (Artificial Intelligence Tools for Outbreak Detection and Response) ist die Entwicklung einer digitalen Plattform, die eine frühzeitige Erkennung neuer Epidemien von Atemwegserregern ermöglicht, ihre Ausbreitung überwacht und Entscheidungsträger über geeignete Gegenmaßnahmen informiert. AIOLOS wird in einem webbasierten Dashboard, das Echtzeitdaten aus verschiedenen Datenquellen, moderne Methoden der künstlichen Intelligenz (KI) und Vorhersagemodelle nutzt, Erkenntnisse für private und öffentliche Entscheidungsprozesse liefern.

Das mit rund 1.6 Millionen Euro geförderte und vom Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI koordinierte europäische Projekt DIGIPD untersucht, inwiefern mit Hilfe digitaler Techniken (Sensorik, Spracherkennung, Erkennung der Gesichtsmimik) eine präzisere und individualisierte Diagnose und Prognose der Parkinson-Erkrankung möglich ist. Das Projekt wird im Rahmen des europäischen ERA-Netzes zur personalisierten Medizin, ERA PerMed, im »Joint Transnational Call 2020« gefördert. Die Förderung des deutschen Anteils am Projekt erfolgt durch das Bundesministerium für Bildung und Forschung (BMBF).

Das Projekt »zet-o-map« zielt darauf ab, bessere Werkzeuge für die Identifizierung teratogener Verbindungen zu entwickeln. Einer der vielversprechendsten Assays ist der Zebrafisch-Embryo-Teratogenitäts-Assay (ZETA). In der Risikobewertung für den Menschen erfordert die Bewertung der Entwicklungstoxizität oder Teratogenität die Prüfung von Nagern (vorzugsweise Ratten) und Nicht-Nagern (vorzugsweise Kaninchen), wie in der OECD-Richtlinie 414 beschrieben. Derzeit vollzieht sich bei der Sicherheitsbewertung für den Menschen ein Paradigmenwechsel hin zu einer mechanistischen Risikobewertung, und es besteht eine hohe Nachfrage, Tierversuche zu ersetzen, zu reduzieren oder zu verfeinern, wo dies aus ethischen und wirtschaftlichen Gründen möglich ist. zet-o-map wird im Rahmen der Long Range Research Initiative (LRI) des European Chemical Industry Council (CEFIC) gefördert.

Biomedizinische Wissensgraphen spielen eine zentrale Rolle bei der Integration großer Datenmengen. Mit ihrer Hilfe lassen sich unstrukturierte Texte in ein strukturiertes, vergleichbares Format bringen. Als Ursache-Wirkungs-Modelle können Wissensgraphen potenziell die klinische Entscheidungsfindung erleichtern oder dazu beitragen, die Forschung in Richtung Präzisionsmedizin voranzutreiben. Daten- und Wissensmanagement, manchmal auch Informationsmanagement genannt, ist ein Kernthema von Data Science. Es ist auch ein interdisziplinäres Gebiet, das die Wirtschaftswissenschaften (wie effizient und teuer ist die Lösung?), die Psychologie (nutzen die Menschen diese Lösung in der beabsichtigten Weise?) und natürlich die Informatik tangiert. Unser Ziel ist der Aufbau einer nachhaltigen Dateninfrastruktur für biomedizinische Daten, personalisierte Medizin, Medikamentenneuverwendung, reproduzierbare KI und Wissensentdeckung.

Das übergeordnete Ziel von NFDI4Health ist es, die klinische und epidemiologische Forschungsgemeinschaft bestmöglich dabei zu unterstützen, ihre Daten in Übereinstimmung mit Datenschutzbestimmungen und ethischen Grundsätzen mit der Nutzergemeinschaft zu teilen und im Interesse der Verbesserung der Gesundheit der Bevölkerung neue Möglichkeiten der Datenanalyse innerhalb der Nationalen Forschungsdateninfrastruktur (NFDI) zu schaffen. NFDI4Health wird von der Deutschen Forschungsgemeinschaft (DFG)im Rahmen der Bund-Länder-Vereinbarung zu Aufbau und Förderung der NFDI vom 26. November 2018 gefördert.

Die im Projekt COPERIMOplus kooperierenden Fraunhofer-Institute wollen durch eine rationale, datengetriebene Modellierung individuelle Risikoeinschätzungen ermöglichen, um die Prognosen von Krankheitsverläufen zu verbessern und um personalisierte Therapien sowie deren Bewertung anhand objektiver normierter Kriterien zu optimieren. Somit trägt das Projekt dazu bei, ein Leben mit der Pandemie zu ermöglichen und zur wirtschaftlichen und gesellschaftlichen Normalität zurückzukehren. Das Projekt wird im Rahmendes Frauhofer Anti-Corona-Programms gefördert.