Detailseite
Projekt
SP8 Multidimensionale analytische Ansätze zur Verbesserung der Diagnose und Prognose von RS
Antragstellerinnen / Antragsteller
Professor Dr. Daniel Belavy; Privatdozentin Dr. Ulrike Grittner
Fachliche Zuordnung
Orthopädie, Unfallchirurgie, rekonstruktive Chirurgie
Förderung
Förderung seit 2026
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 439742772
Teilprojekt 8 (TP8) ist ein neu initiiertes Forschungsvorhaben der zweiten Förderperiode, das auf die Komplexität und den Umfang der erhobenen multidimensionalen Daten reagiert. Um methodische Qualität, interdisziplinäre Zusammenarbeit und effiziente Ressourcennutzung zu gewährleisten, wird eine eigenständige Projektstruktur implementiert. TP8 nutzt fortgeschrittene Verfahren des maschinellen Lernens (ML), der Künstlichen Intelligenz (KI) sowie komplexe statistische Methoden zur Generierung klinisch relevanter Erkenntnisse für die Diagnostik und Prognose chronischer Rückenschmerzen (cLBP). In Vorarbeiten wurde ein KI-Framework auf Basis von Daten der ersten Förderperiode entwickelt, das die Überlegenheit ausgewählter multimodaler Merkmale, insbesondere von Informationen zur Bandscheibendegeneration, Mobilitätsmaße und psychosoziale Variablen, gegenüber unselektierten Datensätzen belegte. Aufbauend darauf zielt TP8 auf die Weiterentwicklung und externe Validierung personalisierter diagnostischer und prognostischer Werkzeuge. Es sollen Diagnosegruppen und Diagnosesubgruppen identifizieret, sowie Prognosemodelle entwickelt werden, die funktionelle, strukturelle und psychosoziale Merkmalsprofile integrieren. Wir gehen davon aus, dass (1) multimodale ML-Modelle die diagnostische Präzision im Vergleich zu Einzelmodalitäten deutlich erhöhen, (2) datengetriebenes Clustering klinisch relevante Subgruppen identifiziert, (3) die Kombination beider Ansätze robuste, interpretierbare Prognosemodelle ermöglicht und (4) elaborierte statistische Verfahren, zum Beispiel funktionale Datenanalyse, Subgruppen auf Basis longitudinaler Aktivitäts- und Ganganalysen erkennen lassen. Ein Ensemble-Stacking-Ansatz wird eingesetzt, um unser bestehendes Klassifikationsmodell zu erweitern, Schlüsselfaktoren zu extrahieren und Prognosemodelle mit externen Datensätzen zu validieren. Ergänzend wird eine FAIR-konforme Dateninfrastruktur aufgebaut, die Datenzugänglichkeit, Interoperabilität und Reproduzierbarkeit sichert. Eine webbasierte Visualisierungsplattform soll es klinischen Anwender*innen ermöglichen, Subgruppenstrukturen und prognostische Verläufe interaktiv zu erkunden. TP8 trägt durch methodische Exzellenz, externe Validierung und Open-Science-Prinzipien zur Weiterentwicklung präzisionsbasierter Diagnostik und zur Verbesserung der Versorgung von Menschen mit cLBP bei.
DFG-Verfahren
Forschungsgruppen
