interaktiv

Datahon 2024

Datahon Tag 1: Large Language Models (LLM’s) im Gesundheitswesen

Am Donnerstag, den 18.04.2024, begann der Datathon auf DataWeek und wir von 4K waren unter anderem mit Stefan Berger, einem unserer Data-Scientisten, vertreten. Gemeinsam mit einem Team hat er an einer Challenge mit Large Language Models gearbeitet. Das interdisziplinäre Team bestand aus medizinischem Personal der Uniklinik Leipzig, Informatikern des IMISES, Entwicklern von Tamed.ai und unserem Data Scientisten von 4K ANALYTICS.

Aufgabe
Das große Ziel war es, Informationen aus unstrukturierten medizinischen Texten für das Personal und die Planung aufzuarbeiten. Explizit war die Aufgabenstellung, aus Ambulanzkarten vorherzusagen, welchen Weg (stationär, ambulant oder hybrid) der Patient eingehen wird und diese Information den Ärzten zur Verfügung zu stellen.
Und es gab noch eine weitere Anforderung dazu: gewünscht war, eine intelligente Suchfunktion für SOPs zu implementieren, die hilft, schnell die richtigen Anweisungen für die auszuführende Tätigkeit zu finden. In Krankenhäusern gibt es viele Dokumente (SOPs), die einem erklären, wie man etwas durchführen muss. Sehr hilfreich ist dann also, wenn man schnell den Überblick hat, wo was steht.

Umsetzung
Für die Extraktion und Vorhersage der wichtigsten Informationen (OPS, ICD, Alter usw.) aus Dokumenten haben wir ein Large Language Model (LLM) von Tamed.ai genommen. Im Nachgang haben wir mit einem Algorithmus für Klassifizierung (GradientBoostingClassifier) den Weg des Falls bestimmt.

Für die zweite Anforderung haben wir sowas ähnliches wie ChatGPT für SOPs gebaut. Ein KI-Modell hat die Dokumente analysiert und die Informationen als Chatbot zur Verfügung gestellt. Erste Validierungen von Medizinern haben gezeigt, dass schon nach kurzem Training die richtigen Informationen wiedergegeben werden konnten.

Weiterer Weg
Bis zur Vorstellung am Freitag müssen die Modelle noch verfeinert und die Präsentation verbessert werden. Insgesamt war es ein erfolgreicher erster Tag, da in kürzester Zeit ein funktionierender Prototyp gebaut wurde.

Datathon Tag 2: KI Arzthelfer & Chatbots für medizinische Abläufe

An dem zweiten Tag des Datathons auf der Dataweek wurden die Ergebnisse vorgestellt und der Gewinner gekürt. Am Vormittag finalisierten die Teams noch ihre Modelle, Präsentationen und Vorstellungen. Am Nachmittag wurden die Resultate einer Jury vorgestellt.

Für das Team mit unserem Data Scientisten Stefan Berger und die Challange rund um die LLM’s hieß das: morgens noch die KI-Modelle aufeinander abstimmen, Details verbessern und das Gesamtergebnis so verständlich wie möglich auf wenigen Folien zusammenfassen. Ziel des Teams war es, so viel wie möglich in einer Live-Demo zu zeigen und wenig Zeit mit komplexen Theorien zu vergeuden.

Nach der Mittagspause haben die Teams jeweils innerhalb von 7 Minuten kurz ihre Challenges erläutert und die Lösungen vorgestellt. Jedes Team hat es innerhalb der zwei Tage geschafft, eine fertige Demo zu kreieren und das Problem zu lösen.

Bei der Präsentation unseres Teams lief trotz komplexer Systeme alles reibungslos und es konnte die Möglichkeiten der LLM’s aufzeigen. Sowohl die Extraktion der Informationen durch das komplexe KI-Modell von Tamed.ai als auch die Vorhersage des Patientenwegs über einen ML-Algorithmus ergaben in kürzester Zeit Ergebnisse.

Der Chatbot für SOPs traf scheinbar auch einen Nerv, denn schon bei der inhaltlichen Vorstellung der Idee kam ein kurzer Ausruf eines Arztes aus dem Publikum. Die Thematik der umständlichen Suche in SOPs scheint nicht nur ein vereinzeltes Problem zu sein. In der Demo hat der Chatbot auch eine spontane Frage aus dem Publikum zuverlässig beantworten können, obwohl der Chatbot nie alle SOPs gesehen hat. Phantastisch!

Die Jury war insgesamt von allen Ergebnissen sehr begeistert. So sehr, dass es wohl einen weiteren Termin geben wird, um mögliche Weiterführungen zu besprechen. Das allein ist schon ein Gewinn! Sieger des DATATHONS war das Team, welches die problematische Planung der Kapazitäten für OP-Säle und Betten in der Kardiologie verbessert hat. Die Jury wurde von einer intuitiven App überzeugt, welche die Bettenbelegung und Auslastung klar dargestellen kann. Herzlichen Glückwunsch!

Für alle Teilnehmer und war der Datathon war ein voller Erfolg und wir freuen uns darauf, verschiedene Ansätze mit in unsere Kundenprojekte zu integrieren.