Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Entwicklung einer semantischen Wissensdatenbank mit integrierten, spezifischen Methoden des maschinellen Lernens für das transnationale Projekt AMBROSIA zur Entwicklung und Evaluierung eines innovativen Lebensmittelproduktes gegen Unterernährung in älteren Menschen mit Herzerkrankungen (AMBROSIA)
Projekt
Förderkennzeichen: 2820ERA20E
Laufzeit: 01.01.2021
- 31.12.2023
Fördersumme: 166.474 Euro
Forschungszweck: Experimentelle Forschung
Stichworte: Ernährung, Ernährungsinformation/Empfehlung, Fehlernährung, Gesundheitlicher Verbraucherschutz, Gesundheitsförderung, Lebensmittelanalytik, Modellierung, Prävention, Senioren
Das transnationale und multidisziplinäre AMBROSIA-Vorhaben befasst sich im Bereich Ernährung und Gesundheit mit einer der gegenwärtig größten Herausforderungen, der Unterernährung in einer klar definierten 'älteren' Bevölkerung wie Patienten mit Herzinsuffizienz (HF) und Vorhofflimmern (AF). In diesen Patienten ist Unterernährung ein Schlüsselfaktor, der zu Entzündungen, Funktionsverlust und letztlich zum Tod führt. AF und HF tragen zu einem gebrechlichen Zustand bei und diese Patienten geraten in einen Teufelskreis aus 'Unterernährung, Entzündung und Kachexie', der fortschreitend kognitive Einbußen und die Regression der Körpermasse bestimmt. Ziel von AMBROSIA ist die Entwicklung eines innovativen Lebensmittelproduktes, dessen Wirkweise und Wirksamkeit zur Vorbeugung von Unterernährung bei älteren HF- und AF-Patienten umfangreich in einer klinischen Studie zu untersuchen und mit Hilfe einer semantischen Wissensdatenbank und speziell entwickelten machine learning Methoden Prädiktoren für Unterernährung und Wirkweise der Behandlung zu identifizieren. Als deutscher Projektpartner entwickelt die Genevention GmbH, basierend auf dem firmeneigenen 'semares'-Softwaresystem, eine systemmedizinische Plattform in welcher die sehr unterschiedlichen Daten erfasst, annotiert und miteinander verknüpft ('integriert') werden können. Hierbei kommen semantische Technologien zum Einsatz. Darüber hinaus entwickelt Genevention für das Projekt spezielle Methoden des maschinellen Lernens (ML) zur tiefen Analyse der AMBROSIA-Daten. Bei der Entwicklung der ML-Methoden soll insbesondere die Möglichkeit untersucht werden klinische und verschiedene experimentelle Daten anhand ihrer harmonisierten Annotationen sinnvoll zu kombinieren. Die ausentwickelten ML-Anwendungen werden in die AMBROSIA-Plattform integriert, sodass sie den klinischen Endanwendern zur Identifikation potentieller Biomarker zur Früherkennung von Unterernährung und der Wirkweise des Ambrosia-Riegels zur Verfügung stehen.
Abschnittsübersicht
Fachgebiete
- Ernährungsphysiologie