Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Birth and Labor Outcome Optimization through Multimodal AI

Projektbeschreibung

KI zur Überwachung des Fötus

Die Kardiotokographie (CTG) hilft medizinischen Fachkräften dabei, das Wohlbefinden des Fötus während der Wehen zu überwachen. Sie erfasst die Herzfrequenz des Fötus und die Gebärmutterkontraktionen, um Probleme wie Sauerstoffmangel zu erkennen, die zu schweren Schäden oder gar zum Tod führen können. Die Interpretation hängt stark von der klinischen Erfahrung ab, was zu subjektiven und manchmal uneinheitlichen Entscheidungen führt. Das durch die Marie-Skłodowska-Curie-Maßnahmen geförderte BLOOM-Projekt entwickelt ein KI-System zur Unterstützung der Entscheidungsfindung während der Wehen. Es verbindet CTG-Daten mit Ultraschall-Wachstumsverläufen und den Gesundheitsdaten der Mutter aus elektronischen Systemen. Außerdem nutzt es einen pathophysiologischen Ansatz, der individuelle Reaktionen des Fötus und den Zustand der Mutter berücksichtigt. Das System soll entwickelt und validiert werden, um die Genauigkeit bei der Beurteilung des Wohlbefindens des Fötus zu verbessern.

Ziel

Cardiotocography (CTG) is a vital tool for monitoring fetal well-being during labor, recording fetal heart rate and uterine contractions to detect issues like hypoxia, which can cause neonatal deaths or long-term neurological damage. Early detection through CTG enables timely interventions, such as emergency cesarean sections, reducing risks. However, interpreting CTG data is challenging and depends heavily on clinician expertise, making assessments sometimes subjective and prone to error. This has driven interest in integrating artificial intelligence (AI) into CTG analysis to support clinicians with more accurate and timely decision-making. While AI shows promise in enhancing CTG interpretation, a significant challenge remains the absence of a universally accepted standard for assessing fetal outcomes. Many existing methods rely on surrogate markers or rigid scoring systems that fail to account for the complex physiological responses of individual fetuses. A pathophysiological approach, which considers unique fetal compensatory mechanisms and maternal health factors like hypertension or gestational diabetes, can provide a more nuanced and precise assessment of fetal well-being. The Birth and Labor Outcome Optimization through Multimodal AI (BLOOM) project is designed to address these challenges. It aims to develop, implement, and validate an advanced AI system specifically for use during labor. This system will integrate multimodal data, including fetal growth patterns from ultrasound screenings, maternal health conditions from electronic health records (EHR), and pathophysiological interpretations of CTG data. By combining these personalized factors with cutting-edge AI technologies, BLOOM seeks to create a more accurate and effective tool for assessing fetal well-being during labor, ultimately improving clinical outcomes and personalizing care.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2025-PF

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSITA DEGLI STUDI GABRIELE D'ANNUNZIO DI CHIETI-PESCARA
Netto-EU-Beitrag
€ 321 948,72
Adresse
VIA DEI VESTINI 31
66100 Chieti
Italien
Region
Sud Abruzzo Chieti
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Partner (2)