Datenmangel in der Medizintechnik entgegenwirken: Leitlinien und Empfehlungen

Technologien der künstlichen Intelligenz haben das Potenzial, das Gesundheitswesen umzugestalten, indem sie schnelle und zuverlässige automatische Diagnosen in noch nie dagewesenem Umfang ermöglichen. Dadurch können Kliniker besser auf die Bedürfnisse der Patienten eingehen und, was noch ehrgeiziger ist, telemedizinische Dienste in der Dritten Welt anbieten.

Ein großes Hindernis für die Integration des maschinellen Lernens in das Gesundheitswesen ist die geringe Verfügbarkeit qualitativ hochwertiger medizinischer Daten mit Kommentaren. Daten von angemessener Qualität und Quantität sind in diesem Bereich teuer und schwer zu beschaffen, und ein großer Teil der Innovationsprojekte bringt daher zwangsläufig nur begrenzten Nutzen.

Unserer Meinung nach ist ein tiefgreifender Austauschprozess zwischen Interessenvertretern aus der Wirtschaft und technischen Forschern der wichtigste fehlende Bestandteil, um das Problem der Datenknappheit wirksam anzugehen und maschinelles Lernen in der Medizintechnik wirklich produktiv zu machen.

Methoden

Mit dem vorliegenden Projekt wollen wir eine Plattform schaffen, um die beeindruckende Arbeit zu integrieren, die sowohl auf akademischer als auch auf industrieller Seite geleistet wurde, um das Problem der Datenknappheit in der Medizintechnik anzugehen.

Die genialen Ideen, Methoden und Techniken, die in den letzten Jahren in der Forschung entwickelt wurden, werden mit den Bedürfnissen der Schweizer Unternehmen und den Datenerhebungen, die sie begonnen haben oder in naher Zukunft planen, in Verbindung gebracht.

Der Austausch wird sowohl auf der Ebene der Lehre als auch im Rahmen von Innovationsprojekten mit Industriepartnern stattfinden, d.h. die einzigartige Position einer Fachhochschule wird genutzt.

Output

Es werden Leitlinien und Empfehlungen für den Einsatz des maschinellen Lernens zur Lösung realer medizintechnischer Probleme, für die nur wenige Daten zur Verfügung stehen, erarbeitet. Indem wir die Diskussion zu diesem Thema aktiv fördern, wollen wir eine engagierte Gemeinschaft schaffen, die sich sowohl aus Akademikern als auch aus Vertretern der Privatwirtschaft zusammensetzt.

Konkret wollen wir einen oder mehrere Workshops zu offenen Problemen, Fallstudien, Erfolgs- und Misserfolgsgeschichten bei der Arbeit in einem datenarmen Umfeld in der Medizintechnik organisieren. Darüber hinaus werden wir eine Entscheidungskarte entwickeln, um die besten Ansätze für den Umgang mit knappen Daten im Gesundheitswesen zu ermitteln, die als Lehrmaterial und unterstützende Dokumentation für die Projektakquise verwendet werden soll.

Allgemeine Informationen

ZielgruppeHSLU Dozierende, Wissenschaftliche Mitarbeitende, Studierende
StartNovember 2021
Simone Lionetti