Signale - Projekte

Das Signale-Projekt wird durch das Bundesministerium für Gesundheit gefördert. Dessen Grundlage findet man unten im Projektantrag "DEMIS Signale 2". Wir sind auch Partner im "ESEG"-Projekt.

Focus Group AI for Health, Topic Group Outbreaks

Die FG-AI4H ist eine Initiative der Internationale Fernmeldeunion (ITU) und der Weltgesundheitsorganisation (WHO), die darauf zielt, Standards für die Evaluierung von Ansätzen der künstlichen Intelligenz (KI) im Gesundheitsbereich zu entwickeln. In diesem Rahmen koordinieren wir die TG Outbreaks, die sich dem Benchmarking von Ausbruchserkennung-Algorithmen widmet. Mehr Informationen unter https://www.itu.int/en/ITU-T/focusgroups/ai4h/Pages/default.aspx

Signale-Berichte

Kernaufgabe des Signale-Teams ist, das epidemiologische Frühwarnsystem des RKI zu entwickeln. Eine detaillierte Beschreibung (Stand Mai 2015) wurde in Eurosurveillance veröffentlicht und ist an dieser Seite angehängt.

Das Frühwarnsystem zielt darauf hin, in den Surveillance-Daten automatisch und frühzeitig auffällige Ereignisse zu erkennen. In erster Linie geht es um mögliche Ausbrüche, aber auch andere "Unregelmäßigkeiten" können auf ein mögliches Ereignis hinweisen. Die Stärke des Systems liegt im Wesentlichen darin, auf Basis großer Datenmengen schnell Vorschläge zu machen, wo eine genauere epidemiologische Untersuchung durchgeführt werden sollte.

Konkret wird ein Signal als "statistisch unwahrscheinliche Häufung von Fällen in einer Woche" definiert. Es ist ein Hinweis auf ein mögliches Ausbruchsgeschehen, aber kein Beweis.

Die Signalerkennung funktioniert nach folgendem Muster:

1. eine "Filterkombination", d.h. eine Kombination von Merkmalen wie z.B. Erreger, Geschlecht oder Meldeort, wird festgelegt;
2. alle gemeldete Erkrankungsfälle, die der Filterkombination entsprechen, werden in einer Zeitreihe aggregiert;
3. für diese Zeitreihe wird geschätzt, welche Anzahl unter normalen Bedingungen für heute zu erwarten ist;
4. ein Grenzwert wird bestimmt, welcher vorgibt, ab wieviel Fällen die heutige Anzahl als auffällig gilt;
5. falls die beobachtete Anzahl tatsächlich jenseits des Grenzwerts liegt, wird ein Signal für die gegebene Filterkombination generiert.

Diese Schritte werden für eine Großzahl von Filterkombinationen durchgeführt.

Die Signale-Berichte stellen wir Kolleginnen und Kollegen des öffentlichen Gesundheitsdienst (ÖGD) zur Verfügung. Wenn Sie daran Interesse haben, kontaktieren Sie uns bitte!

Die Signale-Berichte fassen, für eine Auswahl meldepflichtiger Krankheiten, die Signale der letzten 6 Wochen zusammen. Sie werden in einer HTML-Datei dargestellt, mit zwei Tabellen, einer Karte, und zwei Balken-Grafiken, für Altersgruppe und Geschlecht. Die Berichte sind interaktiv: Man kann die Tabellen sortieren und filtern; in der Karte zoomen, entweder Fallzahl oder Inzidenz anzeigen, sowie Landkreisnamen und Bundesländer; und viel mehr.

Maschinelles Lernen

Wir verwenden und adaptieren Methoden des maschinellen Lernens, um die Ausbruchserkennung zu verbessern, vorhandene Algorithmen zu bewerten und zu optimieren, sowie um neue Erkenntnisse über Infektionsverbreitung zu gewinnen, z.B. indem externe Daten in den Analysen eingebunden werden.

Interaktive Dashboards

Für spezielle Anwendungen entwickeln wir automatische Analysen und interaktive Visualisierungen, die in RKI-internen Dashboards implementiert werden. So kann die epidemische Lage dynamisch erkundet werden und Zusammenhänge entdeckt werden.

BeSSA: Berliner Syndromische Surveillance in Notunterkünften für Asylsuchende

Im Rahmen des BeSSA-Projektes haben wir Tools zur Ausbruchserkennung und automatischen Berichterstellung entwickelt und die Fachexpertinnen bei statistischen Fragestellungen beraten. Eine Beschreibung des Projektes sowie das Tool zur Ausbruchserkennung findet man unter www.rki.de/synsurvrefugees

nach oben