KI-basierte multimodale Datenintegration für Vorhersagen, mechanistische Einblicke und Subgruppen-Stratifizierung (A06)

• Fachliche Zuordnung: Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung seit 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 402170461

In der 1. FP haben wir eine neue methodische Herangehensweise für die multimodale Datenintegration für KI-basierten Zeitserienanalysen dynamischer Systeme entwickelt und getestet. In der 2. FP werden wir diesen Ansatz auf die umfangreichen, multimodalen Daten, die für die TRR265 Kohorte in der 1. FP bereits erhoben wurden, anwenden. Dafür werden wir neue dynamische System-Variablen durch multimodale neuronale Netzwerke aus funktionalen resting-state MRT Daten, task-basierten MRT Daten, Verhaltens-Daten und anderen physiologischen Daten-Modalitäten (z.B. EMG) extrahieren, um AUD und andere Sucht-Phänotypen vorherzusagen, Subgruppen zu identifizieren, und translationale Verbindungen zwischen klinischen und präklinischen Daten herzustellen. Wir werden auch funktionale Mechanismen von Vulnerabilität und Resilienz in AUD untersuchen und die Effekte neuer Interventionen modellieren. Die Erstellung biologischer Wissensgraphen für Sucht-Phänotypen werden aufzeigen, ob die in den A Projekten und B10N erzielten Ergebnisse, sowie die dynamischen System-Variablen, mit konvergenten, biologischen Prozessen assoziiert sind.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 265: Verlust und Wiedererlangung der Kontrolle über den Drogenkonsum: Von Trajektorien über Mechanismen bis hin zu Interventionen
• Antragstellende Institution: Ruprecht-Karls-Universität Heidelberg
• Teilprojektleiterinnen / Teilprojektleiter: Professor Dr. Daniel Durstewitz; Dr. Georgia Koppe; Dr. Emanuel Schwarz, Ph.D., seit 7/2023