Das Projekt wurde im Rahmen des Pilot-Innovationswettbewerbs “Energieeffizientes KI-System” des Bundesministeriums für Bildung und Forschung (BMBF) durchgeführt. Ziel des Wettbewerbs war es, stromsparende elektronische Hardware für künstliche Intelligenz zu entwickeln und ihre Leistungsfähigkeit in einem Testaufbau zu bewerten, der eine anspruchsvolle analytische Aufgabe löst. Der Gewinner würde die Möglichkeit erhalten, das Konzept in einen Demonstrator für konkrete Anwendungen zu übertragen. Die Aufgabe des Fördermittelempfängers bestand darin, Elektrokardiogramm (EKG)-Daten zu liefern, die als Benchmark für die Leistungsmessungen der Teilnehmer dienen können. Die Kernaktivität des Projekts war daher die Extraktion, Anonymisierung und Aufbereitung von EKG-Rohdaten aus der klinischen Studie Telemedical Interventional Monitoring in Heart Failure (TIM-HF).
An der TIM-HF-Studie, die zwischen 2005 und 2010 durchgeführt wurde, nahmen mehr als 1.000 Patientenjahre mit chronischer Herzinsuffizienz teil, die nach dem Zufallsprinzip einer telemedizinischen Gruppe zugeteilt wurden. Während eines Zeitraums von 12 bis 26 Monaten führten die Patienten zu Hause tägliche Messungen der Vitalparameter durch, die über Mobilfunknetze an ein telemedizinisches Zentrum übertragen wurden. Die Studie generierte einen umfangreichen Datensatz, der über 2 Millionen Vitalmessungen (EKG, Blutdruck, Gewicht, Selbsteinschätzung), mehr als 70 000 Fallbefunde, mehr als 15 000 aufgezeichnete Telefongespräche, über 10 000 Biomarker- und Laborwerte, mehr als 5 000 beurteilte Krankenhausaufenthalte und mehr als 4 000 Medikamentenanpassungen umfasst. Für den Wettbewerb wurden etwa 250 000 EKG-Aufzeichnungen aus dem elektronischen Patientenaktenarchiv extrahiert. Diese Aufzeichnungen wurden anonymisiert und im Rohformat exportiert. Es wurden nur EKGs mit qualitativ hochwertiger Signalerfassung berücksichtigt, um die Vorhersageleistung der nachfolgenden KI-Modelle zu maximieren. Das in TIM-HF verwendete telemedizinische EKG-Gerät war das PhysioMem® Getemed-System, das eine 3-Kanal-EKG-Aufzeichnung ohne Klebeelektroden für eine 120-sekündige Einzelmessung und einen Streaming-Modus bietet, der eine kontinuierliche Echtzeitübertragung von EKG- und Sauerstoffsättigungsdaten an die elektronische Patientenakte ermöglicht.
Das Projekt wurde von der Charité – Universitätsmedizin Berlin durchgeführt, in enger Zusammenarbeit mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) – Forschungsbereich Intelligente Netze und dem Projektträger VDI/VDE-IT. Das DFKI und VDI/VDE-IT dienten als Schnittstellen zu den Wettbewerbsteilnehmern, die die Daten für das Benchmarking anforderten. Das Projekt endete am 30. November 2020, und der Abschlussbericht wurde am 26. Mai 2021 veröffentlicht. Über die Datenaufbereitung hinaus wurden keine neuen Forschungs- oder Entwicklungsarbeiten durchgeführt; daher heißt es in dem Bericht, dass keine wissenschaftlichen Ergebnisse erzielt wurden. Alle Rechte an den kommentierten EKG-Daten verbleiben im Rahmen von Vertraulichkeitsvereinbarungen mit den Wettbewerbsteilnehmern bei der Charité. Sollten sich aus der Verwendung dieser Daten Erfindungen ergeben, wären separate Vereinbarungen zur Lizenzierung und Patentanmeldung erforderlich.
Obwohl das Projekt keine neuen wissenschaftlichen Erkenntnisse hervorbrachte, ermöglichte es wichtige Kooperationen. Durch den Wettbewerb wurden Kontakte zu potenziellen Partnern für zukünftige Forschung und Entwicklung geknüpft, insbesondere zum Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme (IMS) und zum Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (ITWM). Ein gemeinsamer Antrag wurde bei der BMBF-Ausschreibung “Medizintechnische Lösungen für die digitale Gesundheitsversorgung” (Runde 3) eingereicht, mit einem geplanten Start im Oktober 2021 unter der Leitung der GETEMED Medizin- und Informationstechnik AG. Die medizinische Annotation des Datensatzes bietet auch eine wertvolle Ressource für das Training von KI-Algorithmen in anderen Forschungsprojekten.