KI und Simulationen im Einsatz gegen COVID-19

Gemeinsam aus der Corona-Krise lernen. Unter diesem Motto lud der virtuelle BMK COVID Pop-Up Hub gemeinsam mit der Arbeitsgruppe Daten für Neue Technologien und Forschung in der Gesundheit der Data Intelligence Offensive (kurz: DIO) am 16. November zum Online-Workshop „KI und Simulationen im Einsatz gegen COVID-19“. Mit 30 Teilnehmenden war er komplett ausgebucht.

Von der Forschungsbank in den Workshop

„Wir versuchen, Awareness dafür zu schaffen, was für eine ‚dreckige‘ Wissenschaft es ist, zu versuchen, in Echtzeit mit Realdaten und solchen Modellen einen Input zu liefern, wie sich so eine Krise entwickeln könnte.“ Mit diesem ehrlichen Satz fasste Physiker und Komplexitätsforscher Peter Klimek, MedUni Wien und Complexity Science Hub, seinen spannenden Arbeitsalltag zusammen.

Verbunden mit Daten sind Künstliche Intelligenz (KI) und Simulationen wichtige Instrumente, um fundierte Entscheidungen zu treffen und notwendige Maßnahmen umzusetzen – v.a. in der Politik und im Gesundheitsbereich. Gerade im Einsatz gegen COVID-19 wird verstärkt sichtbar, welchen wichtigen Beitrag Wissenschaftler*innen aus den unterschiedlichsten Disziplinen leisten. Im Workshop brachten TU Wien Professor Allan Hanbury und Manuela Schlömmer (beide DIO) gemeinsam mit Georg Langs, MedUni Wien, eine hochkarätig besetzte Expert*innenrunde an einen gemeinsamen virtuellen Tisch. Speaker und Forscher*innen von der MedUni Wien, der TU Wien, dem Complexity Science Hub, dem SMZ Baumgartner Höhe Wien, der ELGA und IT-SV teilten wertvolle Studienergebnisse sowie Initiativen zu COVID-19 mit den Teilnehmenden – darunter Georg Heiler, Nikolas Popper, Peter Klimek, Helmut Prosch, Georg Langs, Otto Burghuber, Helene Prenner und Michael Hackl.

Daten als Basis für Simulationen

Im ersten Teil des Workshops wurde das Augenmerk auf Daten als Basis für Simulationen gelegt und der Gesundheitsstand der Bevölkerung genauer unter die Lupe genommen. Georg Heiler (Complexity Science Hub, TU Wien) zeigte die Rolle von Mobilitätsdaten im Kampf gegen COVID-19 auf und machte auch genderbasierte Verhaltensunterschiede während des ersten Lockdowns sichtbar. So glichen Frauen die Bewegungsreduktion etwa durch längere Telefonate aus. Generell sanken die Bewegungsflüsse zwischen einzelnen Gemeinden auf 1/5 im Vergleich zum Vorjahr. Für die Untersuchung wurden anonymisierte Daten von Mobilfunkanbietern herangezogen, analysiert und detaillierte Statistiken erstellt auf dessen Basis mathematische Modelle der Pandemie parametrisiert und evidenzbasierte Empfehlungen gemacht werden.

© TU Wien

 

Nikolas Popper (TU Wien, DWH) beschäftigte sich mit Decision Support Tools für die Ausbreitung, Dynamik und Maßnahmenszenarien in der COVID-19-Krise. Zu seiner Arbeit sagt er: „Es geht über Datenanalyse hinaus, es geht eigentlich um Interventionsmodellierung. Es geht nicht nur um die Fortschreibung von Daten und Zahlen, sondern um die Frage, können wir die Interventionen bezüglich eines bestimmten Outcomes analysieren, z.B. der Zahl der positiv Getesteten? Wir versuchen, kausale Zusammenhänge über Netzwerkmodelle abzubilden, um Entscheidungsflüsse zu unterstützen und dass das Ausbreitungsgeschehen niedriger bleibt.“ Dabei arbeitet er u.a. mit dem GEPOC Modell (Generic population model), bei dem Avatare zum Leben erwachen und – analog zum echten Leben – Kontakte zu Personen an verschiedenen Orten pflegen. So wird ersichtlich, wie Kontakte in Schulen, Arbeitsplätzen und Freizeit funktionieren, wo welche Populationsgruppe wohnt und welche Vorerkrankungen diese haben. Es wird untersucht, wo Krankheitsabläufe passieren und auf Basis dessen werden entsprechende Maßnahmen festgesetzt und integriert. Die Integration von Daten, wie Mobilitäts-, EMS- oder klinischen Daten, ist hier entscheidend, da man dadurch das Modell parametrisieren, die aktuell gesetzten Maßnahmen hineinrechnen und ihre Auswirkungen bzw. ihren Erfolg abschätzen kann. „Je mehr wir wissen, desto mehr kann man auch die Planung verbessern“, so Niki Popper, der sich zusätzlich mit der Erstellung von „Was wäre wenn-Szenarien“ für Ereignisse – zukünftige, aber auch retrospektiv – beschäftigt.

Hin zu einem kontrollierten Offenhalten

Peter Klimek von der MedUni Wien und vom Complexity Science Hub betonte, wie wichtig es ist, vom „Sollen wir schließen oder öffnen?“ zum „Wie können wir kontrolliert offen halten?“ zu gehen. Es müssen Präventionsstrategien für die Zeit nach dem Lockdown entworfen werden. Simulationen und KI können dabei helfen, die Ausbreitung und die teilweise sprunghafte Dynamik des Virus darzustellen, um fundierte Entscheidungen zu treffen. Der Complexity Science Hub versucht, Sachlagen, wie beispielsweise die Auslastung der Intensivbetten, bestmöglich vorherzusagen. Dass das nicht immer einfach ist, kann man erahnen. Zuletzt sorgten etwa Nachmeldungen der Corona-Neuinfektionen für Turbulenzen in den Modellanalysen. „Bevor wir ein Prognosemodell auf Basis der EMS-Daten machen können, müssen wir einen Now-Cast machen. Durch die Nachmeldungen kam es zu einer Überlastung der Meldeschienen und die Zahlen mussten auf verschiedene Tage aufgeteilt werden. Es ist schwierig, so einen Now-Cast zu machen. Dadurch kann man auch keinen genauen Forecast machen“, erklärt Peter Klimek. Eine weitere Problematik stellen super-exponentielle Events bzw. starke Schwankungen in der Virusdynamik dar. Als Beispiel nannte er die Reiserückkehrer*innen im August dieses Jahres. Hier muss gleichzeitig mit Mobilitätsdaten und Surveillance-Modellen gearbeitet werden.

KI als Unterstützung bei der Behandlung von Patient*innen

Im zweiten Teil des Workshops widmeten sich Helmut Prosch und Georg Langs (beide MedUni Wien) der Frage, wie KI und Machine Learning (ML) in der Bildgebung und auch bei der klinischen Verdachtsdiagnose und Behandlung von COVID-19-Patient*innen unterstützen können. KI nimmt eine wichtige Rolle in der Bildgebung ein, um die Diagnose einzuengen, Komplikationen zu diagnostizieren oder die Progression vorherzusagen. Dadurch können individuelle Entscheidungen besser getroffen werden. So wurde herausgefunden, dass COVID-19 zwar eine neue Krankheit ist, es die für COVID-19 charakteristischen Muster in der Lunge jedoch schon bei anderen bekannten Krankheiten gibt, was insbesondere in der ersten Phase der Modellbildung ein wichtiger Faktor war. Primär relevant in der Analyse von COVID-19 Bilddaten mit KI ist es mittlerweile, eine Vorhersage durchzuführen. In diesem Zusammenhang leiten Helmut Prosch und Georg Langs eine internationale multi-zentrische Studie „COVREG-AI“ zur AI-gestützten Analyse von Bilddaten von Patient*innen mit Verdacht auf infektiöse Lungenerkrankungen. Bilddaten müssen mit klinischen und anderen Daten verknüpft werden, um die Risiken der Krankheit zu berechnen, mit der Aussicht, die optimale Behandlung für Patient*innen zu bestimmen, wobei die Zusammenführung von Daten auf nationaler und internationaler Ebene wesentlich ist. „Wir sind dann effektiv, wenn wir ein Rahmenwerk für Datenaustausch haben und Dateninteroperabilität gegeben ist, so dass Modelle auf einem Zentrum trainiert und auf einem anderen validiert werden“, betonte Georg Langs.

Otto Burghuber (LBI für Lungengesundheit, Klinik Penzing) präsentierte eine weitere medizinische Seite. Er stellte die epidemiologische LEAD COVID-19 Antikörper Studie vor.  Aus den Ergebnissen geht hervor, dass die Seroprävalenz während des 1. Gipfels der Pandemie in Wien (April 2020) vergleichsweise niedrig war (1,31%) und doch 5 bis 9 Mal höher als durch PCR-Tests im selben Zeitraum nachgewiesen wurde. Geruchs- und Geschmacksveränderungen waren das häufigste Symptom bei den positiv Getesteten, wobei aber 40 % der positiv Getesteten asymptomatisch waren bzw. milde Symptome hatten, die zu keinem Arztbesuch Anlass gaben. Schließlich konnte gezeigt werden, dass die Wahrscheinlichkeit der Transmission von SARS-CoV-2 in den eigenen vier Wänden ca. 31 % beträgt.

Initiativen, die sowohl Menschen als auch Daten verbinden

Zum Ende der Vortragsreihe stellten Helene Prenner (ELGA) und Michael Hackl (IT-SV) die gemeinsame Initiative Digitaler Gesundheitspfad (DGP) vor – ein Konzept für eine integrierte Gesundheitsplattform für Österreich. Die Initiative wurde ins Leben gerufen, da die gesunden Lebensjahre in Österreich im EU-Vergleich weit unter dem Durchschnitt liegen und diese Situation verbessert werden soll. Primär geht es um die Einrichtung einer Plattform-Ökonomie mit zertifizierten Anbieter*innen bzw. Services unter strenger Einhaltung von Datenschutz und gewissen Richtlinien. Die Ziele sind z.B. eine sichere Infoplattform, Ausbau von Telemedizin und Telehabilitation, Erhöhung gesunder Lebensjahre und die Verminderung der Pflegebedürftigkeit. Auf der Plattform sollen möglichst viele Gesundheitsanbieter*innen mit ihren Produkten und Services vertreten sein – das reicht von Krankenverbänden, Instituten, Laboren und Forschern bis hin zu App-Anbietern. So können Nutzer*innen nach dem Motto „Meine Ansprechpersonen, mein Pfad“ ihr Krankheitsleben und ihren Genesungsprozess selbstbestimmt, sicher und einfach organisieren. Die Vision des DGP ist es, ein „Dreh- und Angelpunkt für das Gesundheitswesen“ zu werden und Bürger*innen mit allen Stakeholdern im Gesundheitswesen zu vernetzen. „Je mehr Anbieter und Nachfrager, desto höher ist der Wert der Initiative“, so Michael Hackl. Dafür werden laufend Mitstreiter*innen und Unterstützer*innen gesucht. Neben den beteiligten Menschen sind auch die Zusammenführung von unterschiedlichen Datenquellen und interdisziplinäre Zusammenarbeit essentiell.

Genau hier setzt die DIO-Arbeitsgruppe Daten für Neue Technologien und Forschung in der Gesundheit an. Damit Gesundheitsdaten in Forschung und Entwicklung bestmöglich verwendet werden können, müssen mehrere Institutionen und Gruppen kooperieren. Gemeinsames Ziel ist es, derzeitige Blocker im Hinblick auf Datenaustausch, Datenschutz, Policies zu identifizieren und zu beseitigen sowie gemeinsame Best Practice-Beispiele zu vertiefen. Die DIO fungiert dabei als Forum, um relevante Stakeholder in Arbeitsgruppen zusammenzubringen und den Datenaustausch und die Datennutzung in Forschung und Entwicklung auf nationaler und internationaler Ebene zu fördern. Gemeinsam wird der Bedarf identifiziert und Lösungsvorschläge werden erarbeitet.

Möchten auch Sie Teil dieser Arbeitsgruppe Daten für Neue Technologien und Forschung in der Gesundheit werden? Wir freuen uns, von Ihnen zu hören: office@dataintelligence.at

Diskussionsrunden in virtuellen Weltcafés

COVID-19 betrifft uns alle. Entsprechend ungebrochen war die Aufmerksamkeit aller Teilnehmenden während der Vortragsreihe. Fragen wurden auch während der Präsentationen in den Chats beantwortet. In den nachfolgenden Weltcafés wurden die Diskussionen motiviert weitergeführt.  In sogenannten Breakout-Sessions tauschten sich die interessierten Teilnehmenden und Vortragenden über Themen wie Contact Tracing, die „Stopp Corona“-App des Roten Kreuzes, Datenschutz, diverse Plattformen zum sicheren Austausch von breit gesammelten Daten und relevante COVID-19-Studien aus. Auch die Einrichtung einer dezentralen Infrastruktur für Datennutzung und Datenaustausch war eines davon. Es wird uns auch noch nach der COVID-19-Pandemie begleiten.

Gemeinsam aus der COVID-Krise lernen – auch für die Zeit danach.

 

 

Link zum Recording

 

PowerPoint-Folien der Vortragenden:

Georg Heiler: Mobilitätsdaten im Kampf gegen COVID-19

Nikolas Popper: Simulation als Decision Support Tool für Ausbreitung, Dynamik und Maßnahmenszenarien in der COVID-19-Krise

Peter Klimek: Modellieren einer Public Health Krise im Blindflug

Georg Langs / Helmut Prosch: KI und Bildgebung für COVID-19 Diagnose und Behandlung

Otto Burghuber: Die LEAD Studie und COVID-19: sichtbare und unsichtbare Prevalenz

Helene Prenner / Michael Hackl: Der Digitale Gesundheitspfad (DGP) – Konzept für eine integrierte Gesundheitsplattform für Österreich

Allan Hanbury / Georg Langs: Data Intelligence Offensive inkl. Arbeitsgruppen und Datenkreise