Gemeinsam mit Forschern der ETH Zürich und der Hochschule St. Gallen (Prof. Elgar Fleisch, Prof. Felix Wortmann, Dr. Tobias Kowatsch, Prof. Stefan Feuerriegel) erhalten sie ab 2019 einen Sinergia-Grant und damit eine Forschungsunterstützung über 1.7 Millionen Schweizerfranken vom Schweizerischen Nationalfonds (SNF) für ein innovatives Forschungsprojekt im Schnittgebiet von Zuckerkrankheit und moderner Automobiltechnologie. Das übergeordnete Ziel des Projektes HEADWIND («Design and Evaluation of a Vehicle Hypoglycemia Warning System in Diabetes») besteht in einem neuartigen Ansatz zur Verbesserung der Verkehrssicherheit für Patientinnen und Patienten mit einem Diabetes mellitus. Unterzuckerungen (Hypoglykämien) können eine schwerwiegende akute Komplikation eines mit Insulin oder gewisser anderer Medikamente therapierten Diabetes mellitus darstellen. Hypoglykämien äussern sich durch eine Verminderung der Konzentration, einer Verlangsamung von Auffassung und Denkprozessen sowie Einschränkungen zahlreicher psychomotorischer Funktionen. Dies ist insbesondere im Strassenverkehr kritisch, wo rasche Entscheidungsabfolgen unter Integration zahlreicher Faktoren unabdingbar sind. Um das aufgrund der Hypoglykämiegefahr erhöhte Unfallrisiko von Personen mit Diabetes mellitus zu reduzieren, wird das Disziplinen und Universitäten übergreifende Forschungsteam einen komplett neuen Weg beschreiten und dabei die immensen Möglichkeiten der sich rasant entwickelnden Automobilindustrie mit innovativen Ansätzen aus dem Bereich der künstlichen Intelligenz paaren. Das Forscherteam beabsichtigt, Hypoglykämien direkt aus den vom Fahrzeug während der Autofahrt in Echtzeit gewonnenen Daten zu detektieren. Bereits heute werden während der Autofahrt hunderte von Fahrparametern erfasst. Diese Daten sollen nun genutzt und mittels sogenanntem «maschinellem Lernen» laufend analysiert werden, um Veränderungen des Fahrverhaltens zu erkennen, welche auf eine Hypoglykämie hindeuten. Die Forscher werden in einem ersten Schritt Untersuchungen am Fahrsimulator durchführen, wobei Patienten unter ärztlicher Überwachung in eine Hypoglykämie versetzt werden. In einem nächsten Schritt werden diese Untersuchungen auf abgesperrten Teststrecken in echte Autos auf die Strasse verlagert. Eine grosse Herausforderung dieses Projektes besteht nebst der Datenextraktion- und Echtzeitverarbeitung unter Anwendung komplexer mathematischer Algorithmen («machine-learning») insbesondere in der kontrollierten Herbeiführung einer Hypoglykämie im fahrenden Auto, einem Unterfangen, welches von logistischer und medizinischer Seite her sehr aufwändig ist und eine «Weltpremiere» darstellt.