{"id":17695,"date":"2023-03-01T13:45:23","date_gmt":"2023-03-01T12:45:23","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=17695"},"modified":"2024-12-11T10:48:41","modified_gmt":"2024-12-11T09:48:41","slug":"helping-doctors-make-decisions","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/magazine\/binaire-articles\/helping-doctors-make-decisions\/","title":{"rendered":"\u00c4rzten bei Entscheidungen helfen"},"content":{"rendered":"
\n \n
\n \n \n
\n \n
\n \n
\n \n
\n
\n
\n
\n
<\/div>\n <\/div>\n
\n
<\/div>\n <\/div>\n
\n
<\/div>\n <\/div>\n <\/div>\n \n
\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

\u00a9Graphicroyalty – stock.adobe.com<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Ausgabe 01\/2023<\/p>\n <\/div>\n <\/div>\n

\n \n
Personalisierte Medizin<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n
\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n
\n \n \n

\u00c4rzten bei Entscheidungen helfen<\/h1>\n <\/div>\n <\/div>\n
\n \n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

KI auf der p\u00e4diatrischen Intensivstation<\/strong><\/p>\n

Die Arbeit auf einer Intensivstation stellt \u00c4rzte vor besondere Herausforderungen. Sie m\u00fcssen Krankheiten wie etwa eine Sepsis zuverl\u00e4ssig erkennen und in k\u00fcrzester Zeit die richtigen Entscheidungen treffen, damit sich der Zustand ihrer lebensbedrohlich erkrankten Patienten nicht weiter verschlechtert. Auf der p\u00e4diatrischen Intensivstation (PICU) kommt erschwerend hinzu, dass die vorherrschenden Erkrankungen und medizinischen Normwerte in der Altersgruppe 0 bis 18 Jahre stark variieren. Um \u00c4rzte in dieser stressigen Situation zu entlasten und die Versorgung schwerstkranker Kinder und Jugendlicher zu verbessern, arbeiten Forscher und Mediziner im\n Leibniz KI Labor<\/a> an einer KI-gest\u00fctzten Entscheidungshilfe f\u00fcr Intensivmediziner. Das Projekt ist eine Kooperation des L3S mit der Medizinischen Hochschule Hannover (MHH).<\/p>\n

\u201eWir konzentrieren uns auf die Vorhersage von Organfunktionsst\u00f6rungen mit Hilfe von PICU-Daten. Das sind zum Beispiel Vitalparameter wie die Herzfrequenz, Laborwerte wie die Anzahl der Leukozyten im Blut oder Patientendaten wie das Alter,\u201c sagt Dr. Zhao Ren, Informatikerin und Ko-Koordinatorin des Leibniz KI-Labors. Die MHH stellt daf\u00fcr anonymisierte klinische Gesundheitsdaten von mehr als 3500 Patienten der Kinderintensivstation zur Verf\u00fcgung. K\u00fcnstliche Intelligenz (KI) soll die Patientendaten in Echtzeit analysieren und die \u00c4rzte bei der Entscheidungsfindung unterst\u00fctzen.<\/p>\n

Training mit Daten aus Gesundheitsakten<\/span><\/p>\n

In den letzten Jahren wurden riesige Datens\u00e4tze mit elektronischen Gesundheitsakten ver\u00f6ffentlicht, die das Training komplexer Deep-Learning-Modelle f\u00fcr genaue zeitliche Vorhersagen erm\u00f6glichen. Im Hinblick auf bestimmte Patientengruppen oder Krankheitsbilder, etwa Organfehlfunktionen in der P\u00e4diatrie, sind die verf\u00fcgbaren Daten trotzdem oft unzureichend und die Datenproben unvollst\u00e4ndig. Au\u00dferdem sind medizinische Zeitreihen h\u00e4ufig unregelm\u00e4\u00dfig, da Messungen nach Bedarf und nicht f\u00fcr alle Patienten gleichzeitig durchgef\u00fchrt werden. Viele Modelle zur Verarbeitung sequenzieller Daten nehmen jedoch gleiche Zeitabst\u00e4nde zwischen den Messwerten an. Die Entwicklung von Deep-Learning-Modellen f\u00fcr diese Daten stellt Wissenschaftler deshalb vor Herausforderungen. \u201eAuf der Grundlage von neuronalen gew\u00f6hnlichen Differentialgleichungen haben wir ein KI-Modell entwickelt, das dieses Problem l\u00f6st,\u201c sagt Ren. Das Modell wurde zun\u00e4chst anhand eines umfassenden Datensatzes trainiert, um Merkmale zeitlicher Daten aus digitalen Gesundheitsakten zu erlernen. Danach wird es f\u00fcr spezifische Aufgaben weiter verfeinert, etwa f\u00fcr die Vorhersage der Sterblichkeit oder der Verweildauer auf der Intensivstation.<\/p>\n

KI muss erkl\u00e4rbar sein<\/span><\/p>\n

Aber wieso sollten \u00c4rzte der KI-Vorhersage eigentlich vertrauen? \u201eEin KI-Modell f\u00fcr das Gesundheitswesen sollte keine Blackbox sein. Die Nutzer sollen verstehen k\u00f6nnen, warum die KI eine bestimmte Vorhersage erstellt hat,\u201c sagt Ren. So soll das klinische Personal die Vorhersagen \u00fcber den Gesundheitszustand der Patienten nachvollziehen k\u00f6nnen, beurteilen und die entsprechenden Therapien einleiten. \u201eErkl\u00e4rbare KI erm\u00f6glicht Gerechtigkeit, Transparenz und schafft Vertrauen bei Entscheidungstr\u00e4gern\u201c, so Ren. \u201eDeshalb ist es eines der am schnellsten wachsenden KI-Themen.\u201c Der Einsatz erkl\u00e4rbarer KI-Techniken bei der Erkennung von Organfehlfunktionen auf der Kinderintensivstation ist vielversprechend. So kann ein KI-System beispielsweise die Messungen von Vitalparametern visualisieren, deren Werte die Vorhersage am st\u00e4rksten beeinflusst haben.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n <\/span><\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Vorgestellte Projekte<\/h6>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n \n \n \"Leibniz\n
<\/div>\n <\/div>\n <\/a>\n <\/div>\n <\/div>\n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Kontakt<\/h6>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Dr. Zhao Ren<\/h4>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Zhao Ren war wissenschaftliche Mitarbeiterin am L3S und Co-Koordinatorin des Leibniz AI Lab. <\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Leonie Basso<\/h4>\n <\/div>\n <\/div>\n
\n \n
basso@L3S.de<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Leonie Basso ist Doktorandin am Forschungszentrum L3S und forscht im Leibniz KI Labor.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

\u00a9Graphicroyalty – stock.adobe.com Issue: 01\/2023 Personalisierte Medizin Helping doctors make decisions AI in the paediatric intensive care unit Working in an intensive care unit presents doctors with special challenges. They have to reliably detect diseases such as sepsis and make the right decisions in the shortest possible time so that the condition of their life-threateningly […]<\/p>","protected":false},"author":7,"featured_media":17696,"parent":2750,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-templates\/full-width-page.php","meta":{"_acf_changed":false,"footnotes":""},"categories":[],"tags":[28,93],"class_list":["post-17695","page","type-page","status-publish","has-post-thumbnail","hentry","tag-binaire","tag-binaire-2023-01"],"acf":[],"aioseo_notices":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-21 12:20:09","action":"category","newStatus":"draft","terms":[75],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/17695","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=17695"}],"version-history":[{"count":2,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/17695\/revisions"}],"predecessor-version":[{"id":37331,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/17695\/revisions\/37331"}],"up":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/2750"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/17696"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=17695"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=17695"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=17695"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}