CIMD Akkurat

Auftraggeber: Fraunhofer-Forschungscluster CIMD

Hintergrund:

Bei der Zuweisung von Patientinnen und Patienten über den Erstversorgenden (Hausarzt/ Allgemeinmediziner/ Orthopäde) zum Facharzt kommt es bei Verdacht auf immunologische Erkrankungen wie der Psoriasis Arthritis und der axialen Spondylarthritis häufig zu Verzögerungen und hohem Arbeitsaufwand durch Fehlzuweisung. Es fehlt eine Strategie, unstrukturierte Befunde gezielt zu bewerten und die Wahrscheinlichkeit der richtigen Zuweisung durch Erkennung spezifischer Befundmuster zu erhöhen.

Projektbeschreibung:

Im vorliegenden Projekt werden Methoden des Maschinellen Lernens und der Data Sciences in enger Kooperation mit medizinischer Expertise genutzt, um den Arbeitsaufwand zu reduzieren:

• unstrukturierte Datenpakete werden durch Methoden des Maschinellen Lernens, beispielsweise Textmining, strukturiert,
• Befunde werden nach Digitalisierung erkannt und verknüpft,
• ein indikationsspezifischer Algorithmus wird entwickelt, der die Charakterisierung von Krankheitsphänotypen aus verschiedenen Befundquellen (Text, Labor und Bildgebung) bewertet.

Ein Demonstrator des Algorithmus wird anhand von historischen Datenpaketen entwickelt. Mithilfe einer prospektiven klinischen Studie an drei Standorten wird er anschließend in Deutschland validiert und angepasst.

Unsere Leistung:

Als sozioökonomischer Partner im Projekt fokussiert sich das Team des Fraunhofer IMW auf die Aspekte Nutzerzentrierung und Verwertung. Sie analysieren im Rahmen von Workshops mit Fachärzten den Prototypen mit Blick auf dessen Usability. Durch den Einsatz einer künstlichen Intelligenz zeigen sie mögliche Einsparungspotentiale und Effizienzsteigerungen für diesen Verwendungszweck auf.

Projektlaufzeit:

1.6.2020–31.3.2021