KI-basierte Erkennung von Wechselwirkungen zwischen Medikamenten
Wir entwickelten einen Ansatz, um mit kausalem Machine Learning komplexe Wechselwirkungen zwischen Medikamenten in heterogenen Patientenpopulationen zu analysieren und mögliche Sicherheitssignale zu identifizieren.
Herausforderung
Unser Kunde wollte durch den Einsatz von KI die Medikamentenüberwachung zu erleichtern. Ziel war es, potenzielle Sicherheitssignale für heterogene Patientenpopulationen zu identifizieren, um arzneimittelbedingte Nebenwirkungen frühzeitig zu erkennen und die Patientensicherheit weiter zu verbessern.
Ansatz
Wir setzten kausales maschinelles Lernen (ML) ein, um heterogene arzneimittelbedingte unerwünschte Ereignisse zu erkennen. Unser Ansatz umfasste:
- Verwendung von kausalem ML (Generalized Random Forest) zur Schätzung kontrafaktischer Werte und Effektheterogenität
- Berücksichtigung von Mitverursachern (Cofounders) und Vermittlern (Mediators)
- Durchführung eines Prototyping-Prozesses zur Identifikation potenzieller Sicherheitssignale
Durch diesen Ansatz konnten wir komplexe Wechselwirkungen zwischen Medikamenten in realen Patientenpopulationen analysieren und potenziell gefährliche Kombinationen identifizieren.
Ergebnis
Die Implementierung einer solchen KI-Lösung kann zu folgenden Ergebnissen führen:
- Erfolgreiche Schätzung kontrafaktischer Werte und Effektheterogenität durch kausales ML
- Erkennung eines potenziellen Sicherheitssignals während des Prototyping
- Berücksichtigung von Mitverursachern und Vermittlern zur Verbesserung der Analysegenauigkeit
Jetzt die ganze Case Study kostenlos herunterladen
