Das Projekt adressiert zentrale Herausforderungen der diagnosebasierten Medizin durch die Entwicklung neuer mathematischer Verfahren zur Analyse klinischer und experimenteller Daten, mit einem speziellen Fokus auf Sepsis-Diagnostik. Ziel ist es, verbesserte diagnostische Protokolle zu entwickeln, die erklärbare Ergebnisse liefern und wirtschaftlich umsetzbar sind. Im Jahr 2017 erkrankten etwa 50 Millionen Menschen weltweit an Sepsis, ca. 11 Millionen starben. Aktuell existiert kein Goldstandard in der Sepsis-Diagnose, was den Bedarf an innovativen Ansätzen unterstreicht. Wir erforschen dazu eine Methode, die explizite, transparente logische Regeln aus umfassenden Datenbeobachtungen ableitet, um die Diagnosegenauigkeit zu verbessern und die Komplexität multikausaler Erkrankungen zu bewältigen. Hierfür wird eine Software entwickelt, die medizinische Datensätze interaktiv zu analysieren und validieren hilft, und auch eingesetzt werden kann, um die Effizienz von Labordiagnostik durch die Entdeckung logischer Zusammenhänge zwischen Messungen zu erhöhen. Übergreifendes Ziel ist die Entwicklung einer erklärbaren KI-Methodik zur Identifikation von potenziell vermarktbaren Diagnoseverfahren, welche klinische und wirtschaftliche Vorteile vereinen, die Patientensicherheit erhöhen und die Gesundheitsversorgung effizienter gestalten.

Die HTW Berlin koordiniert den  Forschungsverbund und erweitert im Teilprojekt „Diskret-kontinuierliche Methoden“ den Ansatz der logischen Datenanalyse, um neben kategorischen Daten auch numerische Messwerte direkt berücksichtigen zu können. Wir nutzen dazu die Repräsentation aller gültigen logischen Regeln eines kategorischen Datensatzes als Ideal eines Booleschen Polynomrings und setzen Algorithmen aus der globalen, gemischt-ganzzahligen Optimierung ein, um sowohl die logische Struktur einzelner Regeln und die darin enthaltenen kontinuierlichen Schwellwerte integriert zu optimieren, als auch einzelne Regeln optimal zu einem gesamten diagnostischen Verfahren zu kombinieren.

• Prof. Dr. Ambros Gleixner (Projektleitung)

BMBF

• Charité - Universitätsmedizin Berlin
• Labor Berlin - Charité Vivantes GmbH
• Zuse-Institut Berlin

Mathematik für Innovationen