Klinisches Entscheidungsunterstützungssystem für die Interpretation von Blut-Laborwerten und für die darauf basierende Diagnosestellung

Die Interpretation von Laborergebnissen und die Ableitung einer Diagnose daraus ist eine häufige und anspruchsvolle Aufgabe in der Medizin. Das Projektteam entwickelte ein klinisches Entscheidungsunterstützungssystem (CDSS), das Ärztinnen und Ärzte bei dieser Aufgabe und bei der Auswahl von relevanten Messungen für eine Verdachtsdiagnose unterstützt. 

Dieses CDSS basiert auf maschinellen Lernmodellen, die mit medizinischen Daten vom Unispital Zürich aus den letzten 12 Jahren trainiert wurden. Anhand von Alter, Geschlecht, Symptomen und Blutlaborergebnissen bestimmt die Software die wahrscheinlichsten Diagnosen für einen Patienten. 

Der Prozess ist an die klinische Praxis angepasst und läuft in zwei Schritten ab: 
Im ersten Schritt nimmt ein Modell 31 grundlegende Blutparameter (einschließlich relativer und absoluter Werte einiger Messungen) und Symptome auf, um eine Diagnosegruppe und weitere relevante Messungen zur Einschränkung der möglichen Diagnosen vorzuschlagen. 
Im zweiten Schritt und mit den Ergebnissen weiterer Labormessungen wendet das CDSS spezialisierte Modelle an, um die spezifischen Diagnosen des Patienten vorzuschlagen. 

Das Modell der ersten Stufe erreichte eine Genauigkeit (F1-Score) von 90%, während die spezialisierten Modelle im Bereich von 71% bis 94% liegen. 

Im Verlauf des Projektes wurde das Modell um die automatische Klassifikation von Blutzellen erweitert. Dies ermöglicht eine bessere Unterscheidung zwischen reaktiven und neoplastischen Erkrankungen.