Medical Cause and Effects Analysis (MCEA)

Im Projekt MCEA wird ein neuartiger hybrider Ansatz zur Wissensmodellierung für medizinische Expertensysteme erarbeitet. Einerseits werden in anderen Domänen (z.B. Automobil) etablierte „Cause and Effect Analysis“-Methoden einschließlich einer mächtigen Software-Plattform genutzt für eine deklarative Repräsentation vor allem kausaler Wissensinhalte (z.B. Symptom-Krankheit). Andererseits bildet dieses repräsentierte Wissen die Basis für darauf aufsetzende maschinellen Lernverfahren für die Prognose, Diagnostik und Therapie ausgewählter klinischer Anwendungsfälle.

MCEA wird von insgesamt je sechs Informatikinstituten der Universität zu Lübeck sowie Kliniken des Universitätsklinikums Schleswig-Holstein (UKSH) unter Koordination der UniTransferKlinik und Mitwirkung der Firma PLATO AG bearbeitet und im Rahmen der KI-Strategie des Landes Schleswig-Holsteins aus dessen Mitteln gefördert, siehe Presseerklärung (LINK).

Ein Schwerpunkt des vom IMI bearbeiteten Teilprojektes ist eine Nutzung von SNOMED CT als international ausdruckstärkste Terminologie. Erstens wird durch eine breite Annotierung verwendeter Konzepte in MCEA-Modellen eine Interoperabilität des modellierten maschinellen Wissens gewährleistet, z.B. für die Anwendung des Wissens auf verfügbare, häufig unterschiedlich repräsentierte Patientendaten (siehe „Curly brace problem“, LINK) oder für Zugriffe auf weiteres externes Wissen wie Arzneimitteldatenbanken oder Leitlinien. Zweitens wird über die formallogisch repräsentierte Referenzterminologie SNOMED CT selber wertvolles Wissen repräsentiert. Aufgrund der Komplexität von SNOMED CT mit seinen ca. 350.000 Konzepten (LINK) sind Teilausschnitte des Konzeptsystems von Interesse (z.B. der Anatomie, Physiologie, ...), die über eine Schnittstelle für spezifische MCEA-Wissensmodelle verfügbar gemacht werden können.