Phänologie-basierte Pollenvorhersagen und EEG-basierte Bewertung allergischer Reaktionen mittels KI

Schwerpunktthema:	Künstliche Intelligenz
Art der Förderung:	Projektförderprogramme
Programm:	CZS Durchbrüche
Geförderte Institution:	Technische Universität Ilmenau

Pollenbedingte Atemwegsallergien betreffen bis zu 30 % der Weltbevölkerung. Durch den Klimawandel verschärft sich die Problematik weiter. Die Vorhersage von Pollenfeldern ist jedoch extrem schwierig. PollenNet soll eine genauere und aktuellere Vorhersage der lokalen Pollenbelastung ermöglichen.

Ziele

Die pollenbedingten Allergien verursachen hohe Krankheitskosten, führen zu Arbeits- und Schulversäumnissen und resultieren in frühen Todesfällen. Bedingt durch den Klimawandel werden in den kommenden Jahren über längere Perioden mehr und aggressivere Pollen erwartet.

Unter Nutzung und Weiterentwicklung von KI-Methoden verfolgt das Team um Prof. Dr. Patrick Mäder an der TU Ilmenau vier Ziele:

1) genaue Analyse und Vorhersage der Verbreitung allergener Pflanzen und insbesondere deren Wachstumsphasen (Phänologie), (2) bessere Charakterisierung von Polleneigenschaften, insbesondere bzgl. Allergenität und Ausbreitung, mittels Cytometer-Analysen und strömungsmechanischen Experimenten, (3) Entwicklung von Pollentransport- und ausbreitungsmodellen zur hochaufgelösten örtlichen, zeitlichen und taxonomischen Vorhersage von Pollenbelastungen, und (4) Erforschung von objektiven individuellen Markern im EEG für Allergiker im häuslichen Umfeld.

Aus der Integration dieser Erkenntnisse soll ein Ansatz entwickelt werden, welcher eine deutlich genauere und aktuellere Vorhersage der lokalen Pollenbelastung ermöglicht.