Medical Knowledge and Decision Support

Die Assistenzprofessur zu «Medical Knowledge and Decision Support» von Prof. Dr. Janna Hastings erforscht die Auswirkungen und Möglichkeiten der Digitalisierung in der Klinik.

Wir fokussieren unsere Forschung und übergreifenden Ziele darauf, die Übersetzung und Integration von Evidenz in der Klinik zu beschleunigen, sicherzustellen, dass digitale Tools für klinische Anwendungen mit den Bedürfnissen von Healthcare Professionals übereinstimmen, und dabei die Hindernisse für eine effektive Mensch-Computer-Zusammenarbeit zu beseitigen, um letztendlich die Versorgung von Patienten zu verbessern.

Ärzt:innen arbeiten zunehmend nicht nur mit ihrem eigenen Wissen, sondern auch mit digitalen Informationssystemen, die sie (idealerweise) bei der Entscheidungsfindung unterstützen. Die Forschung zur Entwicklung dieser Systeme hat rasche Fortschritte gemacht, wobei die andere Seite, die der Ärzt:innen, noch wenig erforscht ist. Deshalb möchten wir verstehen, wie solche Informationssysteme den klinischen Alltag verändern, was die Auswirkungen auf die berufliche Identität sind und welche zukünftigen Rollenmodelle für Ärzt:innen aufkommen könnten. Wir konzentrieren unsere Lehre und Forschung insbesondere auf drei Bereiche:

Digitalisierung in der Klinik

Wir untersuchen die Erfahrungen von Healthcare Professionals mit der Digitalisierung und deren Auswirkungen auf klinische Arbeitsabläufe, die professionelle Identität und Arbeitszufriedenheit. Dabei erforschen wir auch, wie digitale Tools die Interprofessionalität und gemeinsame Entscheidungsfindung unterstützen können und welche Chancen und Risiken neue Technologien mit sich bringen.

Projekte:

  • CEDI, eine Interviewstudie mit Healthcare Professionals des KSSG und des USZ.

Health artificial intelligence

Wir entwickeln und bewerten Ansätze mit künstlicher Intelligenz für Gesundheit, biomedizinische Forschung und klinische Anwendungen. Wir arbeiten insbesondere an wissensbasierten Lernalgorithmen mit tiefen neuronalen Netzen als Grundlage, wobei der Schwerpunkt auf dem Transferlernen und der Wiederverwendung von grossen generativen Open-Source-Modellen (Sprache, Bilder) für klinische Anwendungen liegt. Des Weiteren befassen wir uns mit der Interpretierbarkeit und Implementierung von Anwendungen mit künstlicher Intelligenz in klinischen Kontexten.

Projekte:

  • Wir arbeiten an KI-Methoden zur Unterstützung der Interpretation von klinischen Metabolomics-Daten. So haben wir zum Beispiel das Chebifier Tool entwickelt, welches basierend auf Deep Learning zur automatischen Klassifizierung von Metaboliten einsetzt werden kann.
  • Wir unterstützen das Human Behaviour-Change Project, welches vom Wellcome Trust finanziert und vom Center for Behaviour Change des UCL geleitet wird. Im Rahmen dieses Projekts wird ein «Wissenssystem» entwickelt, das auf kommentierten Berichten über Interventionsevidenz, Semantik in Form einer Ontologie und künstlicher Intelligenz basiert, das in der Lage ist, die Ergebnisse hypothetischer Interventionen zur Verhaltensänderung vorherzusagen. Dieses wenden wir in einer ersten Fallstudie zur Untersuchung von Raucherentwöhnungsverhalten an.
  • Wir sind Teil einer Kollaboration mit dem Sinergia-Projekt «Connecting properties of the micro- and macrovasculature from multimodal imaging through genetics and deep learning to better understand vascular pathomechanisms and predict disease risk» (VascX) unter der Leitung der Universität Lausanne, welches die genetische Grundlage von Gefässen in multimodalen Bildgebungsdatensätzen erforscht. Unsere Gruppe fokussiert sich dabei auf die Untersuchung der Semantik von Merkmalen, welche durch Deep-Learning-Ansätze gelernt werden.

Evidence synthesis and knowledge management

Wir interessieren uns für dir Ansätze zur halbautomatischen Evidenzsynthese im klinischen Kontext sowie und zur Beschleunigung der Umsetzung von Evidenz in Leitlinien und Praxis. Dafür arbeiten wir an Ontologien und semantischen Ansätzen zur Unterstützung der Integration, Aggregation und Zusammenfassung von Evidenz. Darüber hinaus interessieren wir uns für das öffentliche Verständnis von medizinischem Wissen und wie dieses durch bessere digitale Tools optimiert werden kann.

Projekte:

  • GALENOS ist ein Projekt welches die Erstellung von «living systematic reviews» über präklinische Erkenntnisse im Mental Health Bereich fördert, um neue Forschungs- und Behandlungsrichtungen zu erschliessen.
north