Klinische Entscheidungshilfe

Die Integration von KI-Algorithmen in die klinische Routine ist bisher eingeschränkt. CAIMed erforscht methodische Herausforderungen bei der Evaluation von Informatikdiagnostika, der Synthese von maschinengelernten und evidenzbasierten Entscheidungsmodellen, dem Umgang mit kontinuierlich lernenden Algorithmen und der Integration von KI-Modellen in klinische Prozesse, einschließlich hybrider Modelle mit ontologischem Domänenwissen ( Gruppe Menschenzentrierte KI) und Erklärbarkeits-Komponenten.

Die Evaluierung erfolgt durch Studien mit Anwendern, Usability-Tests mit Prototypen, prospektive Diagnosestudien, simulierte Randomisierte Kontrollierte Studien (RCTs), synthetische Daten und vergleichende klinische Studien im Bereich Infektionsmedizin in der Pädiatrie. Dabei werden semantisch integrierte, heterogene medizinische Daten verwendet, insbesondere vom Medizinischen Datenintegrationszentrum der MHH. Die Erstellung hybrider Modelle und deren interdisziplinäre Interpretation erfolgt in Zusammenarbeit mit der Gruppe Menschenzentrierte KI. In der Evaluation kooperiert die Gruppe eng mit der Gruppe  Statistische Evidenz in KI-Systemen.