Fraunhofer-Institut für Toxikologie und Experimentelle MedizinMaschinelles Lernen in der pädiatrischen Intensivmedizin
In der pädiatrischen Intensivmedizin stehen Ärztinnen und Ärzte vor dem Problem, dass Erkrankungen von Kindern mitunter schwierig zu erkennen sind und unterschiedlich verlaufen. Um das medizinische Personal zu unterstützen, wurde das Forschungsprojekt ELISE ins Leben gerufen. Schon jetzt sammelt das Managementsystem für Patientendaten wichtige Informationen wie Vitalparameter, Laborwerte, Medikamentengaben und Diagnosen und macht sie jederzeit für Behandlung und Pflege verfügbar. ELISE ist in der Lage, diese Werte zu interpretieren, Erkrankungen zu erkennen und das ärztliche Personal bei kritischen Situationen zu informieren. Initiiert wurde das Projekt von der Medizinischen Hochschule Hannover (MHH) und dem Fraunhofer-Institut für Toxikologie und Experimentelle Medizin ITEM.
Die Gruppe Bioinformatik am Fraunhofer ITEM unter der Leitung von Prof. Dr. Lena Wiese entwickelte dafür ein Verfahren des maschinellen Lernens. Dabei liegt ein Schwerpunkt auf der Entwicklung von inkrementellen, also schrittweise erfolgenden, und proaktiven Lernalgorithmen. Es soll eine Erklärungskomponente eingearbeitet werden, welche die Ergebnisse der Algorithmen den Nutzerinnen und Nutzern verständlich macht. Diese Erklärungskomponente basiert auf der vergleichenden Auswertung einer Vielzahl von Verfahren des maschinellen Lernens, sodass eine Entscheidung nicht nur auf einem einzelnen Verfahren beruht. »Diese vergleichende Auswertung verschiedener Verfahren anhand der zur Verfügung stehenden Trainingsdaten sowie flexible Datenvorverarbeitungsmethoden sollen zum einen die am besten geeigneten Verfahren identifizieren und zum anderen die Reproduzierbarkeit, Erklärbarkeit und Transparenz der Algorithmen nachweisen«, erläutert Prof. Wiese.
Im Jahr 2021 hat ELISE den niedersächsischen Gesundheitspreis erhalten. In der dritten Preiskategorie »eHealth – digital unterstützt in Behandlung, Pflege und Reha« konnte das Projekt überzeugen als ein »Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin«.
