{"id":37928,"date":"2024-12-19T12:07:04","date_gmt":"2024-12-19T11:07:04","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=37928"},"modified":"2024-12-19T14:32:36","modified_gmt":"2024-12-19T13:32:36","slug":"efficient-analysis-of-patient-data","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/magazine\/binaire-articles\/efficient-analysis-of-patient-data\/","title":{"rendered":"Effiziente Analyse von Patientendaten\u00a0"},"content":{"rendered":"
\r\n \r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n
\r\n
\r\n
<\/div>\r\n <\/div>\r\n
\r\n
<\/div>\r\n <\/div>\r\n
\r\n
<\/div>\r\n <\/div>\r\n <\/div>\r\n \r\n
\r\n \r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Das Bild wurde von Flux f\u00fcr die Aufforderung \u201edrei Monitore mit zwei verschiedenen elektronischen Krankenakten und ein kleines R\u00f6ntgenbild, professionelle Fotografie, Bokeh, nat\u00fcrliches Licht, Canon-Objektiv, aufgenommen mit einer DSLR mit 64 Megapixeln, scharfer Fokus\u201c erstellt.<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Ausgabe: 02\/2024<\/p>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n
Exzellenz in der KI-Forschung<\/span><\/a>\r\n <\/span>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
KI in der Medizin<\/h6>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n \r\n

Effiziente Analyse von Patientendaten <\/h1>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Elektronische Gesundheitsakten (EHRs) sind eine wertvolle Datenquelle f\u00fcr die medizinische Forschung. Sie erm\u00f6glichen personalisierte Vorhersagen, Diagnosen und Behandlungsempfehlungen. Wissenschaftler des Forschungszentrums L3S haben nun IVP-VAE vorgestellt, ein Modell, das eine genaue und effiziente Analyse von EHRs erm\u00f6glicht.<\/p>\r\n

EHR-Daten werden h\u00e4ufig unregelm\u00e4\u00dfig erfasst, was bedeutet, dass Messungen in ungleichen Zeitabst\u00e4nden vorgenommen werden, teilweise Datenpunkte fehlen und die Sequenzen in ihrer L\u00e4nge variieren. Diese Komplexit\u00e4ten machen die Analyse von EHR-Daten besonders herausfordernd f\u00fcr bestehende Modelle wie rekurrente neuronale Netze (RNNs) und Transformer. \u201eUnsere Arbeit zeigt, dass wir diese H\u00fcrden \u00fcberwinden k\u00f6nnen, indem wir unregelm\u00e4\u00dfige Zeitreihen als kontinuierliche Prozesse modellieren und sie als sogenannte Anfangswertprobleme (IVPs) l\u00f6sen\u201c, sagt Jingge Xiao, Erstautor der Studie.<\/p>\r\n

Das neuartige Modell IVP-VAE kombiniert Variational Autoencoders (VAE) mit IVP-Solvern, um Zeitreihen gleichzeitig und nicht-sequentiell zu verarbeiten. Diese Parallelisierung reduziert die Berechnungszeit erheblich und erlaubt die direkte Modellierung kontinuierlicher Prozesse. Ein weiterer Clou: Durch die Umkehrbarkeit der IVP-Solver k\u00f6nnen Encoder und Decoder dieselben Rechenprozesse nutzen, was die Modellkomplexit\u00e4t senkt.<\/p>\r\n

\u201eMit IVP-VAE erreichen wir eine bis zu 40-fache Beschleunigung gegen\u00fcber bestehenden Modellen, ohne dabei die Genauigkeit zu opfern\u201c, betont Xiao. Auf drei realen Datens\u00e4tzen \u2013 darunter der bekannte MIMIC-IV-Datensatz \u2013 zeigte IVP-VAE konstant bessere Ergebnisse in der Klassifikation und Vorhersage von Zeitreihen. Besonders beeindruckend ist die Leistung bei kleinen Datens\u00e4tzen, wie sie in der Analyse seltener Erkrankungen h\u00e4ufig vorkommen.<\/p>\r\n

Die Ergebnisse markieren einen wichtigen Schritt in der datenbasierten Gesundheitsforschung. IVP-VAE bietet nicht nur einen performanten Ansatz f\u00fcr EHR-Daten, sondern zeigt auch Potenzial f\u00fcr andere Anwendungen mit unregelm\u00e4\u00dfigen Zeitreihen. Wie Xiao anmerkt: \u201eDieses Modell kann die Grundlage f\u00fcr Fortschritte in der personalisierten Medizin legen und die Effizienz in der klinischen Forschung erheblich steigern.\u201c<\/p>\r\n

Jingge Xiao, Leonie Basso, Wolfgang Nejdl, Niloy Ganguly, Sandipan Sikdar: IVP-VAE: Modeling EHR Time Series with Initial Value Problem Solvers. AAAI 2024: 16023-16031 <\/em>\r\n ojs.aaai.org\/index.php\/AAAI\/article\/view\/29534<\/em><\/a>\r\n <\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n <\/span><\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
Kontakt<\/h6>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n \r\n
<\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n \r\n

Jingge Xiao, M. Sc. <\/h4>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
xiao@L3S.de <\/span><\/a>\r\n <\/span>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n \r\n
\r\n

Jingge Xiao ist Doktorand am L3S. Er forscht zu Zeitreihenanalyse und Deep Generative Modelling. <\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n<\/div>","protected":false},"excerpt":{"rendered":"

The image is created by Flux for the prompt “three monitors with two different Electronic Health Records and a small X-ray, professional photography, bokeh, natural lighting, canon lens, shot on dslr 64 megapixels sharp focus” Issue: 02\/2024 Excellence in AI-Research AI in Medicine Efficient Analysis of Patient Data Electronic health records (EHRs) are a valuable […]<\/p>","protected":false},"author":11,"featured_media":37929,"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":[28,191],"class_list":["post-37928","page","type-page","status-publish","has-post-thumbnail","hentry","tag-binaire","tag-binaire-2024-02"],"acf":[],"aioseo_notices":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-05 03:58:55","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\/37928","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\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=37928"}],"version-history":[{"count":5,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/37928\/revisions"}],"predecessor-version":[{"id":38042,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/37928\/revisions\/38042"}],"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\/37929"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=37928"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=37928"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=37928"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}