AutoStent - Ein autonomer Entwurfsassistent für Aneurysmenreparatur

• Antragsteller: Professor Dr.-Ing. Alexander Popp
• Fachliche Zuordnung: Mechanik ; Angewandte Mechanik, Statik und Dynamik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 546792806

Forschungskontext: In den letzten Jahrzehnten haben computergestützte und numerische Methoden eine zunehmend größere Rolle in der technischen Auslegung gespielt. Ausgehend von CAD-Software, die zunächst lediglich Zeichenbretter nachbildete, kamen immer mehr Funktionen hinzu, die den Konstrukteur unterstützten. Dazu gehören insbesondere Methoden der Form- und Topologieoptimierung, die nicht nur die Ideen des Konstrukteurs umsetzen, sondern auch Vorschläge für ein verbessertes Design machen. Innerhalb dieser Methoden bleibt es jedoch dem Konstrukteur überlassen, einen ersten Entwurf sowie die Parametrisierung festzulegen. Das bedeutet, dass alle kreativen Aufgaben immer noch auf den Konstrukteur, also den Menschen, zentriert sind. Projektziele: Das vorgeschlagene Projekt, AutoStent, wagt mehr Intelligenz im Designprozess, indem es einen kreativen rationalen Agenten entwickelt, der den Konstrukteur auch bei Designentscheidungen unterstützen kann. Methoden: Der rationale Agent basiert auf einer Kombination von zwei Hauptkomponenten. Die erste Komponente ist ein Design-Generator, der einen „Skizzenblock"-Ansatz verfolgt und dem rationalen Agenten eine große Designfreiheit garantiert. Hier kann der rationale Agent frei Spline-Darstellungen zeichnen. Die zweite Komponente ist ein Deep Reinforcement Learning (DRL)-Algorithmus, der individualisierte Designs ermöglicht. DRL ist ein maschineller Lernansatz (neben z. B. Supervised, Unsupervised oder Active Learning), der auf einer Versuch-und-Irrtum-Interaktion eines Agenten mit einer Umgebung basiert. Obwohl sie klassischen Optimierungsalgorithmen (wie z. B. gradientenbasierten Ansätzen) für ein einzelnes Optimierungsproblem nicht unbedingt überlegen sind, ist zu erwarten, dass DRL-Techniken bei wiederkehrenden Designaufgaben erfolgreich sein werden. Der daraus resultierende rationale Agent kann als erster Schritt zum vollständig autonomen Design angesehen werden. Innovation: Die neuartige Designmethode wird dann auf Stentgrafts bei der endovaskulären Aneurysmenreparatur (EVAR) angewendet. Obwohl es in Deutschland jedes Jahr mehr als 200.000 Fälle von abdominellen Aortenaneurysmen (AAA) gibt, sind die Stentgrafts, die den Patienten zur Verfügung stehen, meist immer noch von der Stange. Wir erwarten einen großen Einfluss auf die Versorgung von AAA-Patienten, wenn maßgeschneiderte, patientenspezifische Stents verfügbar werden. Stentgrafts sind ein idealer Entwicklungs- und Benchmarking-Anwendungsfall, da sie komplexe, möglicherweise konkurrierende und patientenindividuelle Designanforderungen beinhalten, die die menschliche Intuition herausfordern, aber gleichzeitig eine überschaubare geometrische Komplexität aufgrund der möglichen Dimensionsreduktion der metallenen Stentdrähte auf eindimensionale Strukturen aufweisen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Österreich
• Partnerorganisation: Fonds zur Förderung der wissenschaftlichen Forschung (FWF)
• Kooperationspartnerin: Professorin Dr.-Ing. Stefanie Elgeti