FLIP-IT | Föderiertes Lernen im hausärztlichen Praxisnetzwerk

FLIP-IT entwickelt eine Infrastruktur für dezentrales Training medizinischer KI-Modelle im hausärztlichen Praxisnetzwerk – datenschutzkonform, ohne dass Patientendaten die Praxis verlassen.

• Rückblick: FLIP-IT Kick-off in Essen – Wie FLIP-IT im Mai 2026 am IKIM Essen gestartet ist, was vorgestellt und diskutiert wurde und wo das Projekt heute steht.
• FLIP-IT Kick-Off: Souveräne KI-Forschung für hausärztliche Exzellenz – Am 6. Mai 2026 laden docport GmbH und Universitätsklinikum Essen zum offiziellen Kick-Off des FLIP-IT Projekts ein. Impulsvorträge, Podiumsdiskussion und Get-together.
• Warum dezentrales KI-Training in der hausärztlichen Versorgung wichtig ist – Der vorherrschende Ansatz in der medizinischen KI ist einfach: Daten zentral sammeln, Modelle in der Cloud trainieren und skalieren. In der Primärversorgung verdient diese Logik jedoch einen zweiten Blick.
• Offizieller Projektstart von FLIP-IT – Das FLIP-IT Projekt startet offiziell mit der Förderung durch NEXT.in.NRW. Ziel ist die Entwicklung eines Federated Learning Ansatzes für die hausärztliche Versorgung.

Arbeitspakete

• AP 1: Datenharmonisierung und Infrastruktur – Die technische Grundlage des Projekts. Praxisdaten werden lokal in ein offenes Standardformat übertragen und für föderierte Auswertungen und KI-Training nutzbar gemacht, ohne die Praxis zu verlassen.
• AP 2: Risikomodell – Entwicklung eines KI-Modells, das Patientinnen und Patienten mit erhöhtem Risiko für eine chronische Nierenerkrankung früher erkennbar macht, föderiert trainiert über viele Praxen.
• AP 3: Schulung und Pilotphase – Erprobung im Praxisalltag. 25 bis 30 Hausarztpraxen nutzen Infrastruktur und Risikomodell über zwölf Monate.
• AP 4: Evaluation und Publikation – Wissenschaftliche Bewertung: Ist das Risikomodell im Alltag nützlich, wird es genutzt, und lässt sich der Ansatz auf andere Forschungsnetzwerke übertragen?
• Querschnitt: Recht und Governance – Ein rechtssicherer Rahmen, in dem Praxen über die Nutzung der Daten ihrer Patientinnen und Patienten entscheiden.