KIMed – das Netzwerk für Künstliche Intelligenz in der Medizin bringt datenführende Institutionen, methodische und technische Partner:innen sowie Anwender:innen aus der Medizin zusammen mit dem gemeinsamen Ziel, eine leistungsfähige und sichere Forschungsumgebung zu etablieren und KI-Innovationen gezielt zu fördern. Ein zentrales Vorhaben des Netzwerks ist die Konzeption einer geschützten Infrastruktur zur Verarbeitung medizinischer Daten in Sachsen. Diese Infrastruktur soll die Nutzung großer, vernetzter Datensätze unter strengen Datenschutzrichtlinien ermöglichen. So schafft KIMed die Voraussetzung, dass moderne KI-Anwendungen in einer sicheren Struktur entwickelt und perspektivisch in medizinischer Forschung und Praxis eingesetzt werden können.

Die zentralen Ziele des Projekts sind:

• Netzwerkaufbau und Governance: Aufbau eines nachhaltigen Netzwerks zur Vernetzung und Koordination von Forschungspartner:innen, Etablierung einer effektiven Netzwerk-Governance sowie Initiierung neuer Drittmittelprojekte durch die Mitglieder
• Netzwerkarbeit zur Etablierung einer geschützten Forschungsumgebung: Entwicklung einer Secure Processing Environment (SPE), die die sichere Verarbeitung und Analyse sensibler medizinischer Daten ermöglicht – ohne dass diese physisch weitergegeben werden müssen
• KIMed-Portal zur Datenerschließung und –vernetzung: Aufbau eines zentralen Portals zur Zugänglichkeit medizinischer Datenquellen, zur Generierung von synthetischen Daten und Vernetzung von bestehenden Datensätzen
• Erprobung von kooperativen Demonstratoren im SPE: Entwicklung und Bereitstellung praktischer Anwendungsbeispiele, die den Mehrwert der geschützten Forschungsumgebung aufzeigen und Forschenden sowie klinischen Partner:innen innovative Nutzungsmöglichkeiten bieten
• Aus- und Weiterbildung sowie Beratung: Konzeption und Bereitstellung von Schulungsangeboten für alle Netzwerkbeteiligten sowie Beratung der Partner:innen zur optimalen Nutzung der Netzwerkressourcen

Alle Maßnahmen stärken und verbinden die Zukunftsfelder Gesundheit und Digitales zu einem bedeutenden Forschungs- und Innovationsstandort für die Health Care-Industrie und die Gesundheitsversorgung. Die Initiative ist nicht nur von zentraler Bedeutung für den Freistaat Sachsen, sondern hat auch nationale wie internationale Relevanz.

KIMed ist ein gemeinsames Projekt der Technischen Universität Dresden, der Universität Leipzig und der Hochschule Mittweida. Das Netzwerk möchte den medizinischen Fortschritt aktiv mitgestalten – für bessere Versorgung, Forschung und Lehre.

KIMed wird von 04/2025 bis 12/2027 mit 3,6 Mio. Euro aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) und aus Steuermitteln auf Grundlage des vom sächsischen Landtag beschlossenen Haushaltes gefördert.

Trotz großer wissenschaftlicher· Fortschritte bleiben Neugeborenensepsis und Frühgeborenenapnoe zentrale Herausforderungen der neonatologischen lntensivmedizin. Die late-onset Sepsis ist eine Blutvergiftung, die frühestens 72 Stunden nach der Geburt auftritt und meist durch Krankenhauskeime verursacht wird. Apnoen (Atemaussetzer) treten bei nahezu allen Frühgeborenen auf und führen häufig zu kritischen Abfällen der Sauerstoffsättigung (SpO2}. Aktuelles Monitoring ermöglicht zwar das Erkennen von Sepsis und Apnoe, erfordert jedoch zahlreiche Kontaktelektroden, die bei unreifen Frühgeborenen Hautschäden verursachen können. Zudem werden Apnoen oft erst durch ihre Auswirkungen (SpO2-Abfall) detektiert. Ziel des Vorhabens ist die Entwicklung einer kontaktlosen Messmethode zur Erfassung von Atembewegung und Körpertemperatur für die Sepsis- und Apnoedetektion, basierend auf der Laufzeitmessung elektromagnetischer Wellen und optischer Temperaturmessung, um kabelgebundene Sensorik zu reduzieren.

Im Rahmen des Projekts soll untersucht werden, ob die Expression eines bestimmten Gens in Magentumoren allein anhand von Gewebeschnitten nach einer Routinefärbung und mit Hilfe fortgeschrittener Deep-Learning Techniken bestimmt werden kann. Dies könnte die derzeitigen Methoden, die kosten- und zeitaufwändig sind, optimieren und möglicherweise ersetzen. Zu diesem Zweck werden ein umfangreicher Datensatz aus einer bereits abgeschlossenen multizentrischen Studie und komplexe neuronale Netze verwendet. Die Ergebnisse könnten zu einer schnelleren und kostengünstigeren Diagnostik und Personalisierung der Behandlung von Patienten mit Magenkrebs führen. Die Modelle und Ergebnisse werden öffentlich zugänglich gemacht, um weitere Forschung und eine mögliche Integration in die klinische Krebsbehandlung zu unterstützen.

Das Projekt DaDriv-StAC verfolgt das Ziel, eine digitale Plattform zu entwickeln, die datengetriebene Entscheidungsunterstützung in der Nachsorge von Schlaganfallpatient*innen ermöglicht. Im Mittelpunkt steht dabei die Erforschung und Anwendung des innovativen Konzepts virtueller medizinischer Zwillinge. Diese sollen komplexe Gesundheitsdaten aus unterschiedlichen Sektoren – etwa aus Akutkrankenhäusern, Rehaeinrichtungen und dem ambulanten Bereich – integrieren, analysieren und mit standardisierten sowie individuellen Behandlungspfaden abgleichen. Mithilfe Künstlicher Intelligenz (KI) werden daraus Therapieempfehlungen abgeleitet, die eine personalisierte und leitliniengerechte Behandlung über den gesamten Versorgungsverlauf hinweg unterstützen.

Da Schlaganfallnachsorge durch individuelle Risikofaktoren, Folgeerkrankungen und langfristige Einschränkungen wie Lähmungen oder Sprachstörungen besonders herausfordernd ist, zielt DaDriv-StAC auf eine bessere sektorenübergreifende Vernetzung und kontinuierliche Therapiekontrolle. Bislang fehlen entsprechende technologische Plattformen, die Gesundheitsdaten dynamisch aktualisieren, vernetzen und sinnvoll für Behandelnde auswerten. Mit dem Projekt wird erstmals das Konzept eines dynamischen virtuellen Zwillings in der Schlaganfallnachsorge umgesetzt, das sich kontinuierlich an den Behandlungsverlauf anpasst und so eine datenbasierte Rückmeldung an Behandelnde und Patient*innen ermöglicht.

Die Universitätsmedizin Leipzig (UML) spielt hierbei eine zentrale Rolle. Gemeinsam mit der Actimi GmbH entwickelt sie die Plattform und führt eine klinische Machbarkeitsstudie durch, um Akzeptanz, Wirksamkeit und Umsetzbarkeit zu evaluieren. Zusätzlich sollen die erhobenen Daten zur medizinischen Qualitätssicherung und Prozessoptimierung genutzt werden.

Der technologische Kern des Projekts besteht in der Schaffung eines neuen Datenmodells, das medizinische, klinische und subjektive Patientendaten (z. B. PROMs/PREMs) integriert. Basierend darauf werden neue Analyse- und Entscheidungsmethoden entwickelt, die eine präzisere Bewertung von Risikofaktoren sowie den Abgleich individueller Verläufe mit optimalen Therapiewegen ermöglichen.

Das Projekt adressiert damit zentrale Herausforderungen des Gesundheitssystems: Es soll Informationslücken schließen, die Behandlungsqualität verbessern und langfristig zu einer effizienteren, personalisierten Versorgung beitragen. Die Ergebnisse werden sowohl wissenschaftlich publiziert als auch für eine spätere wirtschaftliche Skalierung vorbereitet.

DaDriv-StAC entspricht den Zielen der Förderlinie zur Entwicklung datengetriebener Entscheidungs- und Unterstützungssysteme im Gesundheitswesen und leistet einen wichtigen Beitrag zur Digitalisierung und Innovation in der medizinischen Versorgung.

Das SUSTAINET-guarDian Projekt entwickelt sichere, resiliente und nachhaltige Mobilfunkinfrastrukturen, basierend auf einer Weiterentwicklung der heutigen 5G-Technologien hin zu einer servicebasierten Architektur. Dabei wird bewusst auf eine komplett neue 6G-Generation verzichtet. Im Mittelpunkt stehen eine robuste Sicherheitsarchitektur, automatisierte Netzsteuerung und der gezielte Einsatz von Künstlicher Intelligenz (KI), um Netzwerke effizient, zuverlässig und skalierbar zu gestalten.

Wichtige Ziele sind die Standardisierung von Authentifizierung und Verschlüsselung, der Schutz über nicht vertrauenswürdige Netzsegmente hinweg sowie die Absicherung von KI über ihren gesamten Lebenszyklus. Cyberresilienz wird durch moderne Maßnahmen wie homomorphe Verschlüsselung, Quanten-Schlüsseltausch und vertrauenswürdige Cloud-Nutzung gestärkt.

Ein weiterer Fokus liegt auf Nachhaltigkeit und Energieeffizienz. Dazu gehören verteiltes Lernen, effiziente Algorithmen und Methoden zur Reduktion des Energieverbrauchs. Die entwickelten Lösungen werden anhand von praktischen Demonstratoren in den Bereichen Smart Grid und medizinische Anwendungen erprobt und optimiert.

Das Ziel dieses Forschungs- und Entwicklungsprojekts ist es, die Überlebenschancen nach einem plötzlichen Herz-Kreislauf-Stillstand deutlich zu steigern. Im Zentrum steht die Entwicklung eines tragbaren, nicht-invasiven Ultraschallgeräts, das den Blutfluss in der Arteria carotis communis während der Reanimation in Echtzeit misst. Durch sofortiges Feedback soll die Qualität der Herzdruckmassage optimiert werden, was zu einer verbesserten Sauerstoffversorgung des Gehirns führt.

Ein weiterer wichtiger Bestandteil des Projekts ist eine Studie, die den Zusammenhang zwischen den gemessenen Blutflusswerten und der neurologischen Prognose von Patienten untersucht. Die verwendete, neuartige Doppler-Ultraschallmethode ermöglicht eine präzise Gefäßlokalisierung ohne komplexe Parametrisierung und ist so konzipiert, dass sie sowohl von medizinischem Fachpersonal als auch von Laienhelfern sicher angewendet werden kann.

Das Gerät ist sowohl für klinische als auch für präklinische Notfallsituationen geeignet und bietet das Potenzial, Reanimationsmaßnahmen entscheidend zu verbessern.

Das Projekt wird in enger Zusammenarbeit zwischen der Universitätsmedizin Leipzig und der Firma GAMPT durchgeführt, wobei die klinischen Studien unter der Leitung der Universitätsmedizin Leipzig stattfinden und die Weiterentwicklung sowie Produktion des Geräts in Deutschland erfolgen.

Multi- und Hyperspektralbildgebung (MSI und HSI) kann die intraoperative Beurteilung der Gewebeperfusion, Identifizierung von Gewebestrukturen und Tumorgewebe unterstützen. Ziel dieses Projektes ist die Aufnahme und Analyse von spektralen Messdaten mit verschiedenen MSI und HSI-System im (prä-)klinischen Umfeld. Dabei sollen potenzielle klinische Anwendungsfelder und Grenzen der Technologie evaluiert werden. Weiterhin werden Verfahren für die automatische Klassifizierung und Visualisierung von Gewebe mittels spektraler Bilddaten erarbeitet und implementiert. Die resultierenden Informationen sollen den Chirurgen intraoperativ mit Methoden der erweiterten Realität (engl. augmented reality) zur Verfügung stehen.

Das Projekt „Entwicklung eines Systems für eine Quality of Experience im telemedizinischen Datenaustausch (QoE)“ zielt darauf ab, die Qualität der Telemedizin in mobilen medizinischen Einheiten zu verbessern. Telemedizinische Anwendungen, insbesondere in ländlichen oder abgelegenen Gebieten, leiden unter instabilen Netzwerkverbindungen. Das QoE-System priorisiert medizinisch relevante Daten und reduziert weniger wichtige Datenströme, um die Verbindungsqualität in Echtzeit optimal zu nutzen. Es kompensiert Schwankungen der Netzqualität durch intelligente Datenpriorisierung und Kompression, um eine kontinuierliche und hochwertige Behandlung zu gewährleisten. Der Schwerpunkt liegt auf der Anwendung in Rettungsfahrzeugen, wo die Netzabdeckung oft unzureichend ist. Durch den Einsatz von modernen Technologien wie KI und datenintensiven IT-Konzepten, wird eine verlässliche und qualitativ hochwertige telemedizinische Versorgung sichergestellt.

Ziel des Projekts ist die Entwicklung intelligenter Soft- und Kontinuumsroboter (SKR), die sich flexibel an anatomische Gegebenheiten anpassen und sicher in klinische Behandlungsabläufe integrieren lassen. Dafür arbeiten (mehr lesen)

Das Projekt SurgiTrace zielt auf die Entwicklung eines intelligenten, KI-gestützten Systems zur effektiven Ressourcenplanung bei chirurgischen Eingriffen (mehr lesen)