Bereit für Episode II

Das Team des Zentrums für Maschinelles Lernen der HHN

V. l. n. r.: Prof. Dr.-Ing. Nicolaj Stache, Maximilian Kurscheidt B. Sc.,Andreas Schneider B. Eng.,Yasmin Hollenbenders B. Sc.,Richard Zowalla M. Sc.,Dr. Monika Pobiruchin, Dipl.-Inform. Ruben Nuredini, Prof. Dr. Alexandra Reichenbach, Saskia Koch M. A., Dipl.-Inform. Roland Schaufler,Prof. Dr. Wendelin Schramm

PrositNG – Big-Data-Modelle für die gesundheitsökonomische Evaluation von Erkrankungen

Im Zuge der fortschreitenden Digitalisierung im Gesundheitswesen werden medizinische Datenbanken und Register zunehmend der Forschung in Form von anonymen Datenexports zur Verfügung gestellt; solche Datenbanken sind die Grundlage des Projekts PrositNG.

Ziel von PrositNG ist es, mit Methoden des Machine Learnings gesundheitsökonomische Erkrankungsmodelle weitestgehend auto-matisiert aus medizinischen Daten abzuleiten. Gesundheits-ökonomische Modelle bilden den Erkrankungsverlauf von Patienten ab und sind ein wichtiger Bestandteil in der Beurteilung von neuen Arzneimitteln, Medizinprodukten und Versorgungsprozessen. Solche Modelle beantworten Fragen wie bspw. „Wie hoch ist mein Herzinfarkt-Risiko und um wie viel wird es gesenkt, wenn ich aufhöre zu rauchen und / oder Medikament A regelmäßig einnehme? Welche Kosten sind damit für das Sozialsystem verbunden?“ Durch PrositNG können Erkrankungsmodelle in Zukunft besser die Versorgungsrealität abbilden und so auch geeignetere Simulationen berechnen.

Spiel mit mir! KI erlernt selbstständig das Air-Hockey-Spiel und steuert einen maschinellen Gegner

Reinforcement Learning (RL) ist ein wachsender Trend im Bereich der KI. Über RL kann z. B. eine Maschine in einer realitätsnahen Simulation komplexe Dinge wie z. B. das Autofahren selbstständig er-lernen. Schwierig ist hierbei u. a. die Übertragbarkeit des Er-gebnisses aus der Simulation in die Praxis. Mit dieser Frage beschäftigt sich das ZML im Projekt HHN Air-Hockey.

Dazu wird ein Air-Hockey-Tisch mit einem Achssystem ausgestattet. Eine Kamera erfasst bis zu 500 x pro Sekunde die Spielsituation und übermittelt diese an den Auswerte-Rechner, auf dem ein trainiertes RL-Modell die Steuerung übernimmt. Für das Training kommt eine eigens entwickelte Simulation zum Einsatz. Mit der durchaus fordernden Entwicklungsarbeit befasst sich ein fakultätsübergreifendes Team um den ZML- Mitbegründer, Prof. Stache. „Das Schöne ist, dass an einem spannenden Beispiel durch die gute Zusammenarbeit der beteiligten Disziplinen das ‚Über-den-Tellerrand-Schauen‘ wirklich gelebt wird“, so Stefan Gottstein, Masterstudent der HHN.

Optimistischer Blick in die Zukunft

Die Erfolge durch die interdisziplinäre Forschungsarbeit haben die drei Initiatoren Prof. Reichenbach, Prof. Stache und Prof. Schramm darin bestätigt, sich für die Gründung eines In-Instituts der Hochschule stark zu machen. „Wir haben in den vergangenen zwei Jahren gemeinsam tolle Projekte realisiert und unsere Klammerfunktion als ZML der HHN erfolgreich wahr-genommen. Jetzt werden wir als In-Institut unsere Forschungsak-tivitäten verstärken, neue ML-Projekte voranbringen und unsere Zusammenarbeit mit der regionalen Industrie intensivieren“, resümiert Prof. Reichenbach.