Nosokomiale (im Krankenhaus erworbene) Infektionen stellen in der Neonatologie ein besonderes Risiko dar, da Früh- und Neugeborene aufgrund ihres unreifen Immunsystems und intensiver medizinischer Maßnahmen besonders vulnerabel sind. Pathogenübertragungen werden häufig erst erkannt, wenn bereits mehrere Patientinnen und Patienten betroffen sind.

Das Projekt nAIonate entwickelt ein KI-basiertes Vorhersagemodell zur frühzeitigen Identifikation relevanter Pathogencluster. Hierzu werden routinemäßig erhobene epidemiologische, Bewegungs- und Behandlungsdaten von Patientinnen und Patienten mit genomischen Informationen der Erreger kombiniert. 

Mithilfe moderner Methoden des Machine Learnings, einschließlich Deep Learning und Random-Forest-Ansätzen, sollen Risikokonstellationen für die Entstehung und Ausbreitung von Pathogenclustern erkannt und betroffene Patientinnen und Patienten identifiziert werden. Besonderer Wert wird auf die Erklärbarkeit der Modelle, die Kalibrierung der Vorhersagen sowie die Analyse potenzieller kausaler Zusammenhänge gelegt.

Ziel ist es, die Infektionsprävention gezielt zu unterstützen, unnötige Alarmierungen und Interventionen zu reduzieren und eine nachhaltige, risikoadaptierte genomische Surveillance zu ermöglichen. Der Ansatz leistet damit einen Beitrag zur Verbesserung der Versorgungsqualität und ist perspektivisch auf weitere Einrichtungen übertragbar.

nAIonate wird als Kooperationsprojekt in enger Zusammenarbeit mit der Charité (Institut für Hygiene und Umweltmedizin, Klinik für Neonatologie, Berlin Institute of Health Next Generation Sequencing) und dem Institut für Bioinformatik und Systembiologie der Universität Gießen durchgeführt. Das IMI übernimmt dabei die Entwicklung eines KI-basierten Vorhersagemodells für Pathogencluster.

Kontakt: Adrian Nahmendorff, M.Sc.

Förderkennzeichen: 01VSF25052