Health Care Management Science: WiSo-Forscher entwickeln neuartiges Machine-Learning-Framework
Prof. Dr. Sandra Zilker (TH Nürnberg, ehemals Lehrstuhl für Digital Industrial Service Systems an der FAU WiSo), Dr. Sven Weinzierl (Lehrstuhl für Digital Industrial Service Systems an der FAU WiSo), Prof. Dr. Mathias Kraus (Universität Regensburg, ehemals Juniorprofessur für Data Analytics an der FAU WiSo), Prof Dr. Patrick Zschech (Universität Leipzig, ehemals Juniorprofessur für Intelligent Information Systems and der FAU Wiso) und Prof. Dr. Martin Matzner (Lehrstuhl für Digital Industrial Service Systems an der FAU WiSo), haben einen Artikel im Health Care Management Science (HCMS), einer der weltweit führenden Zeitschriften der Kategorie A (nach VHB PMR) publiziert.
In ihrem Beitrag, „A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis“, entwickelt das Autorenteam ein neuartiges Machine-Learning-Framework, welches für nachvollziehbare Vorhersagen zur Intensivstationsverlegung von Patienten mit Sepsissymptomen konzipiert wurde. Zentrale Elemente des Frameworks sind ein neues Machine-Learning-Modell, das eine hohe Vorhersagegenauigkeit und vollständige Nachvollziehbarkeit der Modellergebnisse gewährleistet, sowie ein umfassendes Dashboard, das die internen Modellentscheidungen, die vorhergesagten Modellergebnisse und die damit verbundenen Risiken für klinische Nutzer visualisiert. In einer Evaluationsstudie kann das Autorenteam einerseits zeigen, dass das vorgeschlagene Modell eine hohe Vorhersagegenauigkeit im Vergleich zu traditionellen Modellvertretern erreicht. Andererseits wurde mittels strukturierter Interviews mit klinischen Nutzern die Nützlichkeit des Frameworks validiert. Durch die verbesserte Vorhersagegenauigkeit sowie die Nachvollziehbarkeit und Umsetzbarkeit der Erkenntnisse dient das Framework als wertvolles Instrument zur Entscheidungsunterstützung bei der Behandlung von Patienten mit Sepsissymptomen.
Das zugrundeliegende Framework wurde von den Autoren in Python entwickelt und steht der Community zur eigenen Anwendung frei zur Verfügung.