Skip to main content

Team der MedUni Wien holt Ersten Platz beim 3rd Critical Care Datathon

Erfolg bei Wettbewerb der European Society of Intensive Care Medicine
Alle News

(Wien, 02-06-2021) Ein interdisziplinäres Team der MedUni Wien hat beim dritten Critical Care Datathon der European Society of Intensive Care Medicine (ESICM) den Ersten Platz geholt. Die multidisziplinäre Gruppe aus Intensivmedizinern und Data Scientists entwickelte einen Algorithmus, der die Therapie mit Steroiden in Sepsis optimiert, und setzte sich im Wettbewerb unter insgesamt 16 Teams durch.

Beim Datathon ging es darum, klinisch relevante Fragen mittels Big-Data-Analyse zu beantworten. Die Verbreitung elektronischer PatientInnenakten und die Weiterentwicklung von Überwachungsgeräten haben die Erfassung immer größerer Mengen von Daten ermöglicht, insbesondere in der Intensivmedizin.

Razvan Bologheanu, Oliver Kimberger, Thomas Hamp, Mathias Maleczek, Christoph Dibiasi und Sebastian Zeiner (alle Anästhesie), Lorenz Kapral und Daniel Laxar (beide LBI for Digital Health and Patient Safety) und Asan Agibetov (CeMSIIS) entwickelten einen Algorithmus, der die Therapie mit Steroiden in Sepsis optimiert. Steroide in Sepsis sind nach 70 Jahren immer noch ein kontroverses Thema (Benefit unklar) und die Wissenschafter haben gezeigt, dass der Algorithmus aus retrospektiven Daten lernt (Stichwort Reinfocement learning), welche PatientInnen von der Therapie profitieren können.

Die Arbeit ist noch in den frühen Stadien, der Algorithmus wird weiter optimiert und extern validiert.

Die Möglichkeiten, die sich aus dieser Form von Big Data ergeben, sind zahlreich und vielfältig und fördern einen Anstieg der Forschungsförderung und des Industrieinteresses. In der Tat könnte ihre Analyse mit maschinellem Lernen und prädiktiver Modellierung neue Erkenntnisse liefern und die PatientInnenversorgung verbessern. Ein Datathon für die Intensivmedizin ist eine Veranstaltung, bei der sich multidisziplinäre Teams und internationale ExpertInnen zusammenschließen, um klinische Fragen anhand großer Datensätze elektronischer PatientInnenakten zu untersuchen.