Einsatz von Machine Learning im Kampf gegen COVID-19

Kategorie: Forschung

Dr. Anna Laura Herzog von Uniklinikum Würzburg und Prof. Dr. Holger v. Jouanne-Diedrich von der Technischen Hochschule Aschaffenburg sind die wesentlichen Köpfe hinter einer aktuellen Studie, bei der es um den Einsatz von Machine Learning zur Vorhersage des Verlaufs von Teilaspekten einer Covid-19-Infektion ging.

Illustration aus dem Paper zur Bestimmung des Grenzwertes beim BMI mithilfe des OneR-Machine-Learning-Paketes

Ein an der TH Aschaffenburg entwickelter KI-Algorithmus bietet wertvolle Unterstützung bei der Behandlung von Coronaerkrankten


Im Rahmen der Ringvorlesung zum Thema „Künstliche Intelligenz und Digitalisierung im Gesundheitswesen“ stellten Prof. Dr. Holger v. Jouanne-Diedrich von der Technischen Hochschule Aschaffenburg und Dr. Anna Laura Herzog vom Universitätsklinikum Würzburg (UKW) verschiedene Methoden des Machine Learning vor, die es erleichtern, bei der Therapie von Covid-19-Patientientinnen und -Patienten die richtigen klinischen Entscheidungen zu treffen.

Covid-19 ist eine Multisystemerkrankung, deren Schwere und Verlauf von der Art und Anzahl beteiligter Organsysteme abhängt. Verschiedene Risikofaktoren wie Adipositas, Bluthochdruck und erhöhtes Alter verschlechtern den Verlauf, kommt noch die Beteiligung von Herz und Nieren dazu, steigt das Risiko an einer Covid-19-Infektion zu versterben drastisch.

Ausgehend von Hinweisen darauf, dass das Virus SARS-CoV2 häufig mit Nierenversagen in Verbindung steht, haben der Hochschulprofessor von Jouanne-Diedrich und die Leiterin des Transplantationszentrums des UKW Dr. Herzog bei schwerkranken COVID-19-Patientinnen und -Patienten untersucht, ob man anhand einer vorliegenden Proteinurie (übermäßige Ausscheidung von Eiweiß über den Urin) ein Nierenversagen, die Entwicklung einer chronischen Nierenerkrankung und die Mortalität vorhersagen kann. Dazu verwendeten sie Machine Learning (ML)-Methoden, die teilweise an der TH Aschaffenburg entwickelt wurden. 

Algorithmus öffentlich kostenlos verfügbar
Das von Jouanne-Diedrich entwickelte OneR-Paket ermöglicht es, auf einfache Weise Einflussfaktoren und Grenzwerte (Cut-Off-Punkte) zu finden. „Ich bin stolz, dass das OneR-Paket im Kampf gegen die Pandemie einen Beitrag leisten kann“, freut sich der Professor, der an der Technischen Hochschule Aschaffenburg im Bereich Künstliche Intelligenz lehrt und forscht sowie den neuen Studiengang Medical Engineering and Data Science mit konzipiert, aufgebaut und gestaltet hat. „Ich habe das Paket der interessierten Öffentlichkeit daher schon vor einiger Zeit kostenfrei zur Verfügung gestellt.“
Das Besondere an dem neu entwickelten Verfahren ist, dass die Ergebnisse in Form von leicht verständlichen Regeln dargestellt werden. Damit ist es oft komplizierteren Verfahren, wie z.B. „Neuronalen Netzen“ (sog. „Deep Learning“), überlegen, welche schwer nachvollziehbar sind. Nicht nur im medizinischen Kontext ist eine gute Interpretierbarkeit der Ergebnisse von großer Wichtigkeit. 

Proteinverlust als wichtige Vorhersage-Variable
In der Studie wurde untersucht, ob sich das Nierenversagen im Falle einer schweren Covid-19-Infektion vorhersagen lässt und ob es Blutwerte der Routinebehandlung gibt, die den Verlauf prognostizieren können. Der ML-Algorithmus konnte unter anderem den Proteinverlust, also die Nierenbeteiligung als eine wertvolle Variable zur Vorhersage des Verlaufs identifizieren und damit prognostizieren, ob eine längerfristige chronische Nierenerkrankung zu erwarten ist.

Alle Ergebnisse der gemeinsamen Forschungsarbeit wurden in dem Wissenschaftsjournal PLOS One veröffentlicht und können frei abgerufen werden: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0251932