First-Science-KIT: IAO-Blogreihe zum Corona Krisenmanagement
First-Science-KIT: Blogreihe zum Corona Krisenmanagement
Die Coronakrise fordert von uns allen ganz neue Herangehensweisen und Lösungen im beruflichen Miteinander. Das Fraunhofer IAO hat deshalb eine Blogreihe gestartet, mit der wir schnell anwendbare Praxistipps weitergeben, gut funktionierende Beispiele vorstellen und Lösungswege während und aus der Krise aufzeigen wollen.

Expertinnen und Experten sowie Entscheidungstragende aus der Politik und Medizin stehen vor der Herausforderung, eine optimale Strategie für das Pandemiemanagement aus den vorhandenen Informations-Puzzlestücken zum SARS-CoV-2 Virus zu wählen. KI und Maschinelles Lernen könnten das Pandemiemanagement Daten-getrieben unterstützen und entscheidend verbessern. Unsere WIBCE-Umfrage schafft die Grundlage dafür – und Sie können dazu beitragen!

Risikogruppen mit KI identifizieren und besser schützen

Ältere Personen und Personen mit Vorerkrankungen zählen nach der Definition des RKI zu den Risikogruppen bei einer Infektion mit dem SARS-CoV-2 Virus. Kürzlich veröffentlichte Analysen des Instituts für Medizinische Soziologie der Uniklinik Düsseldorf und der AOK zeigen, dass Personen, die Arbeitslosengeld II beziehen, ein um 84 Prozent erhöhtes Risiko für einen COVID-19-bedingten Krankenhausaufenthalt hatten. Der Zusammenhang lässt sich mit zahlreichen Einflussfaktoren, wie zum Beispiel einer erhöhten Wahrscheinlichkeit von Vorerkrankungen oder infektionsförderlichen Wohn- und Lebensraumbedingung erklären. Ein augenblicklich medial wenig beleuchteter Risikofaktor für Erkrankungen im Allgemeinen ist die soziale Isolation. Aus psychologischen Studien wissen wir, dass soziale Kontakte und ein starkes soziales Netzwerk einhergehen mit höherem mentalen und physischen Wohlbefinden (wie z.B., Bluthochdruck, Immunsystem, Gedächtnis und Schlaf). Mit dem Ausbruch der Corona-Pandemie wurden soziale Kontakte und das Zusammensein auf ein Minimum reduziert – dadurch werden sozial isolierte Personen zu einer weiteren Risikogruppe für COVID-19. Wenn die mittels Machine Learning die spezifischen Schutz- und Risikofaktoren identifiziert werden, können Behörden und medizinische Expertinnen und Experten diese Risikogruppen mit zugeschnittenen Handlungsempfehlungen und Maßnahmen unterstützen.

Was sagen uns die Daten? Lüften von Geheimnissen mit KI

Mit den Methoden des maschinellen Lernens können wir neue Erkenntnisse und versteckte Muster aus den Daten einer repräsentativen Stichprobe generieren. Im Rahmen des Forschungsprojekts ML@WIBCE analysieren wir Daten aus einer repräsentativen Stichprobe mit Methoden des unüberwachten und überwachten Maschinellen Lernens (ML). Dabei interessieren uns besonders Clusteranalysen, die ähnlichkeitsbasiert Gruppen sowie die spezifischen Verhaltensweisen und Charakteristiken identifizieren. Das bedeutet, dass Personen mit ähnlichem Verhalten oder ähnlichen Lebensumständen und Ressourcen einem gemeinsamen Cluster zugeordnet werden. In einem nächsten Schritt können daraus Schutz- und Risikofaktoren abgeleitet und neue Gruppen mit zum Beispiel erhöhter Gefahr zur sozialen Isolation und für psychischen Belastungen definiert werden. Der Datensatz ermöglicht zudem Vergleiche zwischen Risikogruppen mit Vorerkrankungen und Personen, die als gesund eingestuft werden können. Ziel ist es, Erkenntnisse über die Ausbreitung, beeinflussende Faktoren, den Verlauf und die Lebensumstände zu gewinnen und die Bevölkerung – besonders Risikogruppen – noch gezielter, beispielweise direkt nach der Befragung in der WIBCE-App, informieren zu können.

Die WIBCE-Umfrage: Datenschatz für besseren Schutz

Die Initiative »Was ich bei Corona erlebe« wurde bereits in einem frühen Stadium der Pandemie von Forschenden des Universitätsklinikum Dresden und Mitarbeitenden des IT-Unternehmens seracom GmbH ins Leben gerufen. Sie soll möglichst schnell und umfangreich Daten über einen längeren Zeitraum mit mehreren Messzeitpunkten für gesunde und insbesondere auch Risikogruppen mit bestimmten Vorerkrankungen (u.a. Krebs und Lungenerkrankungen) sammeln. Dabei konzentriert sich die Umfrage nicht nur auf die Erfassung vorhandener Infektionen, von Symptomen und Kontakten mit Verdachtsfällen oder Infizierten, sondern ermittelt auch Veränderungen in den Lebensumständen der Bevölkerung und daraus folgende psychische Veränderungen der allgemeinen Lebensqualität und psychischen Belastung. So soll ein umfassendes und repräsentatives Bild von Risikogruppen und Bedarfen generiert werden, um frühzeitig adäquat darauf reagieren zu können, die weitere Verbreitung des Virus zu reduzieren und besonders potenziell risikobehaftete Personengruppen vor einer Infektion zu schützen.

Ihr Beitrag für ein besseres Pandemiemanagement

Die Umfrage »WIBCE« ist Teil des Anti-Corona-Programms der Fraunhofer-Gesellschaft und läuft bis zur endgültigen Überwindung der Pandemie weiter. Darum bitten wir Sie, uns in diesem nicht-kommerziellen Forschungsprojekt mit Ihren Daten zu unterstützen! Machen Sie mit und helfen Sie dabei, mehr Erkenntnisse zum Virus und der Pandemie zu generieren. Die Daten werden datenschutzkonform gespeichert und für die KI-Analysen vollanonymisiert. Die Ergebnisse der Befragungen sowie Handlungsempfehlungen und interessante Leselinks stehen Ihnen in Ihrem WIBCE-Profil zur Verfügung!

Hier geht’s zur Umfrage: https://wibce.org/survey/start

Wir bedanken uns bei jedem und jeder dafür, dass sie uns mit dem Ausfüllen des Fragebogens dabei helfen, die Corona Pandemie besser zu verstehen und zu bekämpfen.

Leselinks:

Katharina Lingelbach

Neurowissenschaftlerin und Doktorandin im Team »Applied Neurocognitive Systems«. Besonders interessiert sie sich für die Interaktion von emotionalen und kognitiven Prozessen sowie das Monitoring von solchen Nutzerzuständen bei der Interaktion mit Technik mittels multimodaler Sensorik und ML. Neben Neuronen und Statistik begeistert sie Ballett, Gesang, Reisen und hohe Berge!

Autorenprofil - Website - LinkedIn



Kategorien: Digitalisierung, Künstliche Intelligenz, Mensch-Technik-Interaktion
Tags: , , ,