Die Interpretation von Laborergebnissen ist eine anspruchsvolle Aufgabe im medizinischen Alltag. Das im Founder-Call geförderte Projekt «Klinisches Entscheidungsunterstützungssystem für die Interpretation von Blut-Laborwerten und für die darauf basierende Diagnosestellung» hat nun ein klinisches Entscheidungsunterstützungssystem (CDSS) entwickelt, das Ärztinnen und Ärzte bei der Diagnosestellung unterstützt.
Das System basiert auf maschinellen Lernmodellen, trainiert mit medizinischen Daten des Universitätsspitals Zürich aus den letzten zwölf Jahren. Es analysiert Alter, Geschlecht, Symptome und Blutlaborwerte in zwei Schritten: Zunächst wertet es 31 grundlegende Blutparameter aus und schlägt Diagnosegruppen sowie weiterführende Untersuchungen vor. Im zweiten Schritt ermitteln spezialisierte Modelle konkrete Diagnosen.
Das Erstufenmodell erreicht eine Genauigkeit von 90 Prozent, die spezialisierten Modelle liegen zwischen 71 und 94 Prozent. Eine automatische Klassifikation von Blutzellen wurde ergänzt und ermöglicht eine bessere Unterscheidung zwischen reaktiven und neoplastischen Erkrankungen.
Die Projektergebnisse werden zur Zeit in einer wissenschaftlichen Publikation aufbereitet. Die Software wird weiterentwickelt.