Zusammenführen und Validieren von Krebsregisterdaten durch KI-Verfahren (ZuVaKI)

Das Projekt "Zusammenführen und Validieren von Krebsregisterdaten durch KI-Verfahren" untersucht die Potenziale von Verfahren der Künstlichen Intelligenz (KI) zur Qualitätssicherung und zur Erstellung von Best-Of-Datensätzen in Krebsregistern.

Förderung:

Bundesministerium für Gesundheit

Laufzeit:

01.09.2022 bis 31.08.2025

Projektbeschreibung

Das Projekt ZuVaKI verfolgt das Ziel, die Möglichkeiten von KI-Verfahren zur Qualitätssicherung von Krebsregisterdaten zu untersuchen. Aus unterschiedlich gemeldeten Informationen zu Tumorerkrankungen einer Patientin oder eines Patienten an die Krebsregister werden die brauchbarsten Informationen ausgewählt und zusammengestellt. Das wird notwendig, da den Registern zu einzelnen Anlässen teilweise mehrere verschiedene Meldungen übermittelt werden, die sich zum Teil inhaltlich ergänzen, aber auch widersprechen können. Auf diesem Wege entsteht der sogenannte Best-Of-Datensatz. Durch eine höhere Automatisierung und eine bessere Fehlererkennung könnten Daten für Auswertungen schneller und qualitätsgesichert an Melder bereitgestellt werden.

 

Erwartete Ergebnisse

Die Ergebnisse des Projekts ZuVaKI können dazu beitragen, dass durch den verstärkten Einsatz von automatisierten Verfahren und durch eine bessere Fehlererkennung Daten für Auswertezwecke und Analysen schneller und qualitätsgesicherter an medizinische und wissenschaftliche Einrichtungen bereitgestellt werden. Gut geprüfte Daten sind unabdingbare Voraussetzung zum Erstellen und Auswerten einer Best-Of-Tumorhistorie. Ziel ist es, dass alle Krebsregister in Deutschland nach Abschluss des Projektes von den Erkenntnissen und Verfahren profitieren.

Projektleitung:

Dr. Nils Herm-Stapelberg (herm-stapelberg@idg-rlp.de)

Aktualisierungen und Fortschritte:

Im ersten Untersuchungsfeld wurden bereits auf Meldungs-, Tumor- und Personenebene KI-Methoden angewandt und Modelle trainiert, um Anomalien auf Meldungsebene zu identifizieren. Dabei zeigte sich, dass die verwendeten Modelle im Vergleich zu zufälligen Stichproben signifikant häufiger Anomalien erkennen und somit einen deutlichen Mehrwert in der Qualitätssicherung darstellen.

Projektmeilensteine:

Zielsetzung 1:  Inwieweit können Qualitätsprobleme in Datensätzen von Krebsregistern durch KI-Verfahren zur automatisierten Qualitätssicherung identifiziert werden?

Zielsetzung 2: Inwieweit können ungenaue und widersprüchliche Informationen zu Tumorerkrankungen eines Patienten durch KI-Verfahren zu einer Best-Of- Tumorhistorie zusammengeführt werden?