Seiteninterne Suche

IMI Archiv

Evaluation neuronaler Netze verschiedenen Typs zur Generierung von Dosierungsvorschlägen für die Pädiatrie

Student: Deniz Caliskan --- Betreuer: Wolfgang Rödle

Vergabe einer Masterarbeit

Hintergrund / Problemstellung:

Aufgrund fehlender Probanden sowie geringem Interesse der Pharma-Unternehmen wegen hohen Kosten klinischer Studien bei nur geringem Marktanteil gibt es sehr wenige klinische Studien zu Wirkstoffen für die Anwendung bei Kindern und Jugendlichen. Daraus resultiert ein hoher Off-Label Use und erhöhte Unsicherheit bei der Dosierung von Medikamenten bei Ärzten, besonders bei jungen, unerfahreneren Ärzten. Um die Arzneimitteltherapiesicherheit in der Kinder- und Jugendheilkunde zu erhöhen, sollen aus den elektronisch dokumentierten Verordnungen mit verschiedenen neuronalen Netzen Dosierungsvorschläge als Orientierungshilfe für Ärzte und Apotheker generiert werden.

Um eine Aussage über die Zuverlässigkeit der Netze im Hinblick auf ihre Vorhersagen zu geben, müssen diese evaluiert werden. In dieser Arbeit soll die Entwicklung und Evaluierung der Netze durchgeführt werden.

Ziele dieser Arbeit:

  • Verschiedene neuronale Netze zur Generierung von Dosierungsvorschlägen für Medikamente in der Pädiatrie
  • Optimale Parameterwahl der Netze (Anzahl Neuronen, Anzahl der Hidden-Layer, Iterationen in der Trainingsphase, Lernparameter)
  • Evaluation / Vergleich der verschiedenen Netztypen in Bezug auf Dosierungsvorschläge

Aufgaben:

  1. Entwicklung von neuronalen Netzen verschiedenen Typs mit Python
  2. Generierung von Dosierungsvorschlägen für die Pädiatrie mit Hilfe der neuronalen Netze
  3. Optimierung der Netze mit Optimierungsalgorithmen (z.B. Genetische Algorithmen)
  4. Vergleich der Vorhersagen der Netze untereinander, mit der Regressionsanalyse und den realen Verordnungen

Anforderungen / Voraussetzungen:

  • Fortgeschrittene Programmiererfahrung (bevorzugt Python)
  • Grundlagenwissen zu Neuronalen Netzen
  • Kritisches / Wissenschaftliches Denken
  • Studiengänge: Informatik, Medizintechnik, Mathematik oder Vergleichbare