Medikamentenüberwachung durch KI verbessern

Das KI-Beratungs- und Entwick­lung­sun­ternehmen stat­worx entwick­elt einen Ansatz, um mit kausalem Machine Learn­ing kom­plexe Wech­sel­wirkun­gen zwis­chen Medika­menten zu analysieren und mögliche Sicher­heitssig­nale in het­ero­ge­nen Patien­ten­pop­u­la­tio­nen zu identifizieren.

Der Kunde, ein Unternehmen aus der Gesund­heits- und Phar­main­dus­trie, wollte die Medika­mentenüberwachung durch den Ein­satz von KI verbessern. Ziel war es, poten­zielle Sicher­heitssig­nale frühzeit­ig zu erken­nen, um arzneimit­telbe­d­ingte Neben­wirkun­gen zu min­imieren und die Patien­ten­sicher­heit zu erhöhen.

stat­worx set­zte kausales maschinelles Ler­nen (Gen­er­al­ized Ran­dom For­est) ein, um kon­trafak­tis­che Werte und Effek­thetero­gen­ität zu schätzen. Dabei wur­den Mitverur­sach­er und Ver­mit­tler berück­sichtigt, um die Analy­sege­nauigkeit zu verbessern. Im Rah­men eines Pro­to­typ­ing-Prozess­es kon­nten poten­zielle Sicher­heitssig­nale iden­ti­fiziert werden.

Der Proof-of-Con­cept erzeugte eine erfol­gre­iche Schätzung kon­trafak­tis­ch­er Werte und Effek­thetero­gen­ität. Zudem wurde ein poten­zielles Sicher­heitssig­nal iden­ti­fiziert. Durch die Berück­sich­ti­gung von Mitverur­sach­ern und Ver­mit­tlern kann die Analy­sege­nauigkeit weit­er verbessert werden.