Neue KI-Methoden als Chance für klinische Entscheidungsunterstützung bei limitierten Cohortengrößen

In vielen Forschungsbereichen der Medizin, insbesondere wenn molekulare Daten, für die klinischen Entscheidungsuntestützung herrangezogen werden sollen, verhindern limitierte Cohorten Zahlen, das atequate Anwenden von Methoden des Maschinellen Lernens. Eine neue Studie von Youngjun Park, Prof. Dr. Anne-Christin Hauschild und Dr. Dominik Heider, demonstriert, wie das Transferlernen diese und andere Limitierungen wie heterogenität und Institutsspezivische Eigenheiten kompensieren kann. Am Beispiel von Einzell-Zelldaten wird gezeigt, wie Modelle, die auf großen allgemeinen und öffentlichen Daten trainiert worden sind, generelle Muster erlernen und daraufhin in einem anderen Kontext mit mangelder Datenlage, die Mustererkennung erkleichtern kann. Die Arbeit wurde vor kurzem unter "NAR Genomics and Bioinformatics" veröffentlicht (Link).