Komplexprak­tikum "Medizinische Informatik": Medizinische Entscheidung­sunter­stützungssysteme

Frau Dr. rer. biol. hum. Brita Sedlmayr,                                         Herr Dr.-Ing. Markus Wolfien

Master Informatik:
      INF-MA-PR (Masterpraktikum)

Master Medieninformatik:
      INF-E-4 (Forschung und Entwicklung in der Medieninformatik)

8 SWS

Die Studierenden

• sind in der Lage, im Rahmen einer interdisziplinären Zusammenarbeit mit medizinischem Personal KI-Modelle zu erzeugen, die an die Bedürfnisse der Endnutzenden angepasst sind (KI-Modellentwicklung im realitätsnahem Szenario der Intensivstation am Universitätsklinikum Dresden).
• sind in der Lage, die grundsätzlichen Probleme medizinischer Datenverarbeitung zu beschreiben und methodisch an realen Daten zu analysieren (Data Science).
• kennen Grundlagen medizinischer Dokumentationssysteme (SQL Datenbanken).
• können basierend auf gegebenen Daten und Literatur Vorschläge erarbeiten, wie spezielle Patientengruppen oder Umgebungsfaktoren anhand bestimmter Parameter erkannt werden können (Explorative Datenanalyse).
• sind in der Lage, aufbereitete Daten in eine für medizinisches Personal geeignete Darstellung zu übertragen (Usabilty/User-centered Design).
• lernen ihre Ergebnisse in Form eines web-basierten Dashboards zu übertragen (Datenvisualisierung)

In den ersten Veranstaltungen werden die folgenden medizinischen und technischen Aspekte vermittelt:

• Einführung in Medical Data Science
• Nutzerzentrierte Entwicklung von med. Software
• Arbeiten mit Big Data (medizinische Daten - MIMIC)
• Machine Learning und Explainable Machine Learning
  • Dokumentation
  • Experimenteller Aufbau
• Arbeiten in interdisziplinären Teams (Planung, Iteration, Evaluation)

In diesem Kurs erhalten Studierende eine umfassende Einführung in das Feld der “Medical Data Science”. Der Kurs konzentriert sich auf die Verarbeitung, Analyse und Visualisierung großer medizinischer Datenmengen unter Verwendung der MIMIC-Datenbank, die umfangreiche klinische Informationen enthält. Studierende werden in die Grundlagen des Machine Learning und Explainable Machine Learning eingeführt, um medizinische Datensätze zu analysieren und relevante Erkenntnisse, speziell im Bereich der Intensivmedizin, zu gewinnen.

Themen (detailliert):

1. Arbeiten mit Big Data (medizinische Daten - MIMIC): Studierende lernen, wie sie große medizinische Datensätze effizient verwalten, abrufen und vorverarbeiten können, um sie für Analysezwecke vorzubereiten.

2. Nutzerzentrierte Entwicklung: Die Studierenden erhalten einen Einblick in die nutzerzentrierte und gebrauchstaugliche Entwicklung medizinischer Software. Sie werden in die Lage versetzt, die speziellen Bedürfnisse der medizinischen Endnutzer:innen, ihre Arbeitsaufgaben und ihre Arbeitsumgebung angemessen in die Entwicklung einfließen zu lassen. Ziel ist eine effektive, effiziente und zufriedenstellende Nutzung der Software im medizinischen Alltag zu gewährleisten.

2. Machine Learning und Explainable Machine Learning: Im Kurs werden Methoden des maschinellen Lernens insbesondere auf medizinische Daten angewendet. Besonderes Augenmerk wird auf erklärbares maschinelles Lernen (sog. XAI) gelegt, um die Interpretierbarkeit der Modelle und Ergebnisse durch die Nutzenden sicherzustellen.

3. Dokumentation: Studierende lernen bewährte Verfahren zur Dokumentation von Datenverarbeitungsschritten, explorativer Datenanalyse, sowie Modellentwicklung und Ergebnissen, um eine transparente Forschungspraxis zu gewährleisten.

4. Experimenteller Aufbau: Der Kurs behandelt die Planung und Umsetzung von Experimenten im Bereich der Medical Data Science, einschließlich der Auswahl geeigneter Metriken und statistischer Tests.

5. Arbeiten in interdisziplinären Teams (Planung, Iteration, Evaluation): Studierende erfahren, wie sie effektiv in interdisziplinären Teams arbeiten können, um komplexe medizinische Herausforderungen anzugehen. Dies umfasst die initiale Planung von Projekten, iterative Entwicklung und die Evaluation von Ergebnissen mit Ärzt:innen und Apotheker:innen der Intensivstation des Uniklinikums Dresden.

6. Visualisierung: Das Ziel ist hier eine nutzerzentrierte Dashboard-Visualisierungen Erstellung durch die Studierenden um komplexe Daten übersichtlich und schnell erfassbar darzustellen. Es soll ermöglichen, dass medizinischem Personal, schnell wichtige Informationen erfassen und verstehen kann.

Bewertung:

Die Leistung der Studierenden wird durch eine Kombination aus Programmierfertigkeiten, schriftlichen Bericht in Form einer wissenschaftlichen Abhandlung und finalen Ergebnispräsentationen bewertet. Die praktische Anwendung des Gelernten auf reale medizinische Datenprobleme steht dabei im Mittelpunkt der Bewertung.

Zusammenfassung:

Dieser Kurs bietet eine solide Grundlage für Studierende, die ein Interesse an der Analyse von medizinischen Daten haben und gleichzeitig die Fähigkeiten entwickeln möchten, um komplexe medizinische Herausforderungen interdisziplinär zu bewältigen und Ergebnisse verständlich darzustellen.