Das NephroCAGE-Konsortium wendet die neuesten Fortschritte der lernenden Systeme an, um eine multinationale Gesundheitsherausforderung in der Nephrologie anzugehen. Unser Ziel ist es, medizinische und technische Innovationen zu kombinieren, um einen realen Demonstrator zu bauen und zu evaluieren, der die Expertise von zwei führenden Nationen auf diesem Gebiet vereint: Kanada und Deutschland. Die Kombination klinischer Daten aus beiden Nationen über eine sichere föderierte Lernplattform ermöglicht erstmals den Zugriff auf einen einzigartigen multinationalen Pool klinischer Nephrologiedaten. Dieser klinische Datenpool bildet die Grundlage für die Anwendung ausgewählter Methoden des maschinellen Lernens (ML), um Modelle zu trainieren, die helfen, die Wahrscheinlichkeit für ausgewählte klinische Ergebnisse im Voraus vorherzusagen. Der Einsatz von ML-Methoden erfordert jedoch den Zugriff auf klinische Daten, die durch Datenschutzbestimmungen stark geschützt sind. Insbesondere multinationale Projekte werden durch individuelle Datenschutzbestimmungen und Datenformate behindert. Daher schlagen wir den Einsatz einer föderierten Lerninfrastruktur vor, bei der die Daten an ihren ursprünglichen Standorten verbleiben und stattdessen nur ML-Algorithmen und aggregierte Daten ausgetauscht werden. ML-Algorithmen werden auf lokalen Datenpools ausgeführt und die aus der lokalen Datenanalyse gewonnenen Erkenntnisse werden zu statistischen Modellen hinzugefügt, die zwischen den Partnerstandorten für iteratives Lernen ausgetauscht werden. Wenn sich die Ergebnisse des Konsortiums als erfolgreich erweisen, werden die entwickelte Plattform und die Methoden auf weitere medizinische Indikationen und chronische Krankheiten anwendbar sein. Darüber hinaus wären die Ergebnisse auch auf andere multinationale Projekte anwendbar, z. B. auf Industriekooperationen im Automobilbau, im Transportwesen oder bei erneuerbaren Energien.