Personen und Einrichtungen

Datum

Beschreibung

Tom Hähnel thematisiert den Einsatz KI-basierter Methoden und digitaler Biomarker zur Vorhersage der Krankheitsprogression bei Parkinson sowie zur Optimierung klinischer Studiendesigns. Mittels KI-basierter Modelle konnten auf Basis longitudinaler, klinischer Daten spezifische Progressionstypen identifiziert und auf individueller Ebene vorhergesagt werden. Diese Vorhersagen erlauben eine Reduktion der Heterogenität in Studienkohorten, wodurch sich die notwendige Fallzahl für Studien reduziert. Ein weiterer Ansatz nutzt die KI-basierte Auswertung struktureller MRTs zur Bestimmung der Brain Age Gap. Diese ermöglicht als prognostischer Biomarker für kognitive Verschlechterung ebenso eine Patientenstratifikation mit daraus resultierender Reduktion der Fallzahl klinischer Studien. Komplementär hierzu können digitale Biomarker als Studienendpunkte eingesetzt werden. Dadurch wird Krankheitsprogression objektiver gemessen, wodurch eine weitere Fallzahlreduktion ermöglicht wird. Der Vortrag ordnet die Chancen und Limitationen dieser Ansätze für die Entwicklung neuer krankheitsmodifizierender Therapien ein.