Detailseite
Projekt
Ein datengetriebenes Optimierungsframework zur Verbesserung des Verständnisses von Anpassungen des neuromuskulären Systems an Gehirnpathologien
Antragstellerinnen / Antragsteller
Professor Dr. Dominik Göddeke; Professor Oliver Röhrle, Ph.D.; Professorin Dr. Miriam Schulte
Fachliche Zuordnung
Angewandte Mechanik, Statik und Dynamik
Förderung
Förderung seit 2021
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 465243391
Ziel dieses Projekts ist die Erstellung eines neuartigen In-Silico-Frameworks, das es ermöglicht, Anpassungsreaktionen auf Gehirnpathologien wie beispielsweise Schlaganfälle, Zerebralparese oder multiple Sklerose im neuromuskulären System zu erklären. Solche Pathologien schränken die motorischen Fähigkeiten der Betroffenen erheblich ein, zufriedenstellende Behandlungsmöglichkeiten existieren allerdings nicht. Letztendlich es es das Ziel, die Entwicklung neuartiger und die Verbesserung existierender therapeutischer Maßnahmen zu unterstützen. Basierend auf der Idee, dass der Körper versucht, sich so anzupassen, dass die gegebenen Bedingungen optimal gehandhabt werden, wollen wir mathematische Methoden zur Optimierung unter Nebenbedingungen zur Erreichung des Projektziels einsetzen. Indem wir ein systemisches Mehrskalenmodell des neoromuskulären Systems verwenden, erwarten wir aussagekräftige Vorhersagen für reale physiologische Systeme. Angesichts der hohen Komplexität, die ein solches Frameworks für die Modellierung, Rechenlast und Mathematik bedeutet, wurde ein solcher Ansatz bisher nicht verfolgt. Zur Zielerreichung wollen wir unser neuromuskuläres Mehrskalenmodell mit unserem 3D-Kontinuumsmechanikmodell vereinen. Dafür sind folgende Beiträge geplant:Wir werden neue mathematische Modelle für Motorkontrolle und Gehirnschädigungen integrieren und die existierenden neuromuskulären Modelle um heteronyme Feedback-Schleifen, Remodellierungsprozesse und Muskelmetabolismus erweitern. Um eine flexible Simulations- und Optimierungsumgebung mit austauschbaren Komponenten zu erhalten, streben wir einen partitionierten Ansatz an. Dies erfordert neue technische und numerische Kopplungsmethoden sowie Konzepte zur Handhabung der Mehrskaligkeit zwischen kurz- und langfristigen Reaktionen auf Gehirnpathologien.Die Optimierung basierend auf diesen neuen Modellen erfordert wiederum Codesign zwischen Modell, Mathematik und HPC: (i) Zielfunktionen, die Highlevel-Ziele des neuromuskulären Systems wiedergeben sowie Optimierungsparameter, dh. die Freiheitsgrade des neuromukulären Systems, die zulässige kurz- und langfristige Anpassungen auf gegebene Störungen repräsentieren, (ii) weitere Komponenten des Optimierungsframeworks müssen entwickelt werden, insbesondere Surrogate zur Reduktion der Rechenlast, adjungierte Löser im Langrangeansatz, und der äußere Optimierer selbst. Für mögliche klinische Anwendungen (jenseits der Möglichkeiten dieses Projekts) müssen weitere Herausforderungen im Hinblick auf Datenhandhabung in unserem modularen Optimierungsframework berücksichtigt werden. Alle Ziele erfordern eine enge Zusammenarbeit zwischen den Experten in den Gruppen der PIs im Sinne des Codesigns zwischen Modellen, Numerik, HPC und Daten.
DFG-Verfahren
Schwerpunktprogramme
