Maschinelles Lernen in der Laboratoriumsmedizin

Das medizinische Labor der Zukunft wird neben dem Erstellen von Befunden auf höchster Qualität eine zunehmend interaktive Ausrichtung annehmen. Dabei erhalten klinisch tätige Kolleginnen und Kollegen Empfehlungen zu Stufendiagnostik und Diagnosefindung, die auf Basis der Messwerte ermittelt werden.

Um dieses Ziel zu erreichen, werden in unserer Arbeitsgruppe moderne Methoden zur Datenauswertung angewendet, wie z.B. nicht-lineare, multiparametrische Machine Learning Methoden mit deren Hilfe klinisch relevante Diagnosen vorhergesagt werden sollen. Hohe ethische Vorgaben und Datenschutzregularien (European General Data Protection Regulation GDPR / DSFVO) werden dabei berücksichtigt.

Wir arbeiten an Projekten mit retrospektiver und prospektiver Datenanalyse: beispielsweise soll die Diagnosestellung der Heparin-induzierten Thrombozytopenie bei Patientinnen und Patienten auf Intensivstation verbessert werden.

Wir arbeiten in Kooperation mit einem Team um William Martin aus dem "Institut für Molekulare Evolution" der Heinrich-Heine Universität in Düsseldorf sowie mit Georg Dorffner und Alexander Tolios aus dem "Institute of Artificial Intelligence and Decision Support“ sowie der „Universitätsklinik für Blutgruppenserologie und Transfusionsmedizin“ der Medizinischen Universität Wien.


MediathekInformation und Wissen
LageplanSo finden Sie uns