Im Mai wurde im wissenschaftlichen Magazin “Nature” eine Arbeit veröffentlicht, in der Forscher von Google mit einem Machine Learning Modell Gesundheitsdaten analysiert haben, und auf Basis der Analyse Prognosen über die Zukunft von Patienten gemacht wurden. Es wurden Daten von 216.221 Erwachsenen aus 2 amerikanischen Universitätskliniken untersucht, und folgende Prognosen aus den Gesundheitsdaten berechnet:
- Stirbt die Person nach der Einlieferung in der Klinik?
- Kommt es innerhalb von 30 Tagen zu einer unerwarteten Wiederaufname?
- Wie lange wird der Aufenthalt dauern?
- etc.
Es wurden die Daten der “electronic health records” (EHR) für die Analyse verwendet, die in Österreich mit dem Begriff Elektronische Gesundheitsakte (ELGA) bezeichnet werden. Diese enthalten neben strukturierten Daten, wie Vitalfunktionen oder Medikamentierung, auch unstrukturierte Daten, wie Notizen der Ärzte in Textform. In dieser neuen Studie wurden nicht nur ausgewählte strukturierte Daten für die Modellbildung verwendet, wie in bisherigen Untersuchungen, sondern die Gesamtheit der Daten wurde dem Deep Learning Modell “gefüttert”. Dieses sollte nun, wie bei derartigen Modellen üblich, die relevanten Merkmale selbst finden, und damit die Prognosen berechnen.
Es wurden 80% der Daten für das Training verwendet, 10% als Validierungsdaten zur Bestimmung der Modellparameter und die restlichen 10% als Testdaten. Für die Prognose der Sterbewahrscheinlichkeit erreichte das Verfahren eine 95% Genauigkeit auf den Testdaten des einen Krankenhauses (Konfidenzintervall 0.94–0.96) und 0.93% auf den Testdaten des zweiten (Konfidenzintervall 0.92–0.94). Bisherige Studien erreichten hier mit linearen Modellen ausgewählter Merkmale nur Genauigkeiten bis zu 86%.
Wozu wird Software mit derartigen Modellen in Zukunft eingesetzt werden?
Kann damit Patienten mit kritischen Prognosen mehr Aufmerksamkeit zu teil werden? Oder wird sie eingesetzt um Kosten im Gesundheitssystem zu sparen? z.B. teure Medikamente werden bei schlechter Prognose nicht mehr verschrieben.
