Die Mathematikerin Federica Caforio entwickelt Methoden für sogenannte Cardiac Digital Twins: rechnerische Abbilder echter Herzen, die elektrische Signalweiterleitung, Gewebemechanik und Blutfluss zusammenführen. Der Ausgangspunkt ihrer Forschung war ein Seed-Funding: die L’Oréal Fellowship for Women in Science, die Caforio 2023 erhielt. Damit konnte sie einen Proof of Concept erarbeiten – zunächst mit synthetischen Daten, also vollständig am Computer erzeugten Versuchsdaten. Ziel war es, aus Verschiebungs- und Dehnungsinformationen Rückschlüsse auf passive Eigenschaften des Herzgewebes zu ziehen. Sprich: Wie steif ist das Gewebe? Wie reagiert es auf Belastung?
Inzwischen geht Caforio einen Schritt weiter. In einem vom Land Steiermark geförderten UFO-Projekt (Unkonventionelle Forschung) arbeitet sie an den aktiven Eigenschaften des Herzens – also an jener Kontraktionsbewegung, die das Organ zur Pumpe macht. Denn Herzgewebe ist nicht nur weich und dehnbar. Es erzeugt auch aktiven “Stress”, zieht sich zusammen und treibt damit den Kreislauf an. Jedes Herz hat seine Eigenschaften.
Mathematisch ist diese Personalisierung hochkomplex. Das Modell enthält zahlreiche Parameter: einige beschreiben elektrische Vorgänge, andere mechanische Verformungen oder die Wechselwirkung mit dem Blutfluss. Die Aufgabe der Forscher:innen am Institut für Mathematik besteht darin, diese Parameter so anzupassen, dass die Simulation möglichst gut zu klinischen Messdaten passt. Erschwerend kommt hinzu: Unterschiedliche Parameterkombinationen können ähnliche Ergebnisse erzeugen.
Caforios Ansatz verbindet deshalb klassische mathematische Modelle mit maschinellem Lernen. “Im Zentrum stehen Physics-Informed Neural Networks, kurz PINNs. Anders als rein datengetriebene neuronale Netzwerke sollen sie nicht nur zu vorhandenen Daten passen, sondern zugleich physikalische Gesetze berücksichtigen”, erklärt sie. Vereinfacht gesagt: Das Netzwerk lernt nicht eine plausible Form, sondern eine, die auch den zugrunde liegenden Gleichungen gehorcht.
Für die Herzforschung ist das entscheidend. Denn ein vorhergesagtes Verschiebungsfeld mag auf den ersten Blick zu Messdaten passen – medizinisch nützlich wird es aber erst, wenn es auch physikalisch sinnvoll ist. Bei PINNs fließt daher beides in die Berechnung ein: die Nähe zu den Daten und die Nähe zur Physik, etwa zu Differentialgleichungen, Randbedingungen und Anfangsbedingungen.
Internationales Netzwerk
Seit April 2026 leitet Caforio eine BioTechMed-Graz Young Researcher Group. Das auf drei Jahre angelegte Projekt soll die Methode vergrößern und robuster machen: von einzelnen mechanischen Fragestellungen hin zu multiphysikalischen Modellen, die Elektrophysiologie und Mechanik gemeinsam betrachten. Es basiert auf einem starken internationalen Kooperationsnetzwerk mit Partnern an der MedUni Graz (Computational Cardiology Lab, Kardiologie), der TU Graz, dem IDea-Lab sowie renommierten Forschungsgruppen am Politecnico di Milano, der University of Trento und der Pontificia Universidad Católica de Chile. Die Kooperation vereint Expertise in Kardiologie, mathematischer Modellierung, Computational Science und Künstlicher Intelligenz.
Das klinische Ziel ist klar: Gewebeveränderungen nichtinvasiv sichtbar machen. Besonders Narben im Herzmuskel sind von Interesse. Sie können steifer sein als gesundes Gewebe und ihre Kontraktionsfähigkeit verlieren. Wenn eine Parameterschätzungs-Pipeline solche räumlich variierenden Eigenschaften erkennt, könnte sie Ärzt:innen zeigen, wo Narben liegen und wie ausgeprägt sie sind.
Heute gilt für den Nachweis solcher Narben häufig die Late-Gadolinium-Enhanced-MRI als Goldstandard – eine MRT-Technik mit Kontrastmittel. Sie ist jedoch teuer, nicht für alle Patient:innen geeignet und kann insbesondere bei Nierenproblemen problematisch sein. Caforios langfristige Vision ist daher eine Alternative: Aus vorhandenen Bild- und Bewegungsdaten könnte eine virtuelle Darstellung entstehen, die relevante Gewebeveränderungen sichtbar macht, ohne zusätzliches Kontrastmittel.
Der digitale Zwilling eines Herzens wäre dann mehr als ein schönes Bild am Bildschirm. An ihm ließen sich Diagnosen präzisieren und mögliche Behandlungen vorab testen. Statt mehrere Eingriffe oder Behandlungsversuche nacheinander auszuprobieren, könnte die Medizin künftig zuerst am virtuellen Herzen simulieren, was im Körper wahrscheinlich passiert.