Künstliche Intelligenz zur besseren diagnostischen Datenerhebung

• Antragsteller: Dr. Henrik von Kleist
• Fachliche Zuordnung: Künstliche Intelligenz und Maschinelle Lernverfahren ; Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576603640

Maschinelle Lernsysteme werden zunehmend zur Unterstützung klinischer Diagnosen eingesetzt, wobei die Sepsisvorhersage zu einem Vorzeige­beispiel geworden ist. Die frühzeitige Erkennung von Sepsis ist entscheidend, und viele Krankenhäuser setzen inzwischen Echtzeit-Risikoscores ein, die sich kontinuierlich aktualisieren, sobald neue Patientendaten – wie Laborergebnisse und Vitalzeichen – vorliegen. Diese Modelle setzen jedoch stillschweigend voraus, dass wichtige Messwerte verfügbar sind, ohne zu berücksichtigen, welche Tests wann durchgeführt werden sollten. In der klinischen Praxis ist die Entscheidung, welche Tests angeordnet werden, eine anspruchsvolle Aufgabe, die durch Zeit, Kosten und Unsicherheit bestimmt wird. Dieses Projekt konzentriert sich auf Active Feature Acquisition (AFA): KI-Systeme, die Empfehlungen dazu geben, was gemessen werden sollte, um eine zeitnahe und kosteneffiziente Entscheidungsfindung zu unterstützen. Während meiner Promotion habe ich die theoretischen Methoden entwickelt, um AFA-Systemen zu evaluieren. Nun möchte ich diese Erkenntnisse in angewandte, klinisch nutzbare Werkzeuge umsetzen – beginnend mit einem konkreten Anwendungsfall in der Sepsisvorhersage (Ziel 1). Anschließend werde ich meine Konzepte auf den breiteren, LLM-basierten diagnostischen Dialog ausdehnen (Ziel 2), wobei das Sprachmodell selbst als AFA-Agent fungiert, der interaktiv die informativsten Symptome, Tests oder Bilder erfasst, bevor er eine Diagnose stellt. Das Projekt wird am CAUSALab der Harvard University durchgeführt, in enger Zusammenarbeit mit Miguel Hernán und James Robins, führenden Experten für kausale Inferenz und sequentielle Entscheidungsfindung.

• DFG-Verfahren: Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Dr. Miguel Hernan