Ludwig-Maximilians-Universität und Alexander Thamm GmbH arbeiten an Frühwarnsystem für Corona-Neuinfektionen

03.06.2020

Die Alexan­der Thamm GmbH und die Lud­wig-Max­i­m­il­ians-Uni­ver­sität München (LMU) arbeit­en gemein­sam an einem Pro­jekt zur besseren Bekämp­fung von Coro­na. Ziel ist die Vorher­sage tage­sak­tueller Infek­tion­szahlen („Now­cast­ing“), damit ins­beson­dere regionale Gesund­heits­be­hör­den frühzeit­ig geeignete Maß­nah­men gegen eine weit­ere Aus­bre­itung des Virus tre­f­fen oder beste­hende Beschränkun­gen lock­ern kön­nen. Die Meth­ode wird zudem den daten­basierten Infor­ma­tions­fluss für Behör­den opti­mieren und kön­nte kün­ftig auch in anderen medi­zinis­chen Bere­ichen Anwen­dung finden.

 

Zusam­men mit der Münch­n­er Lud­wig-Max­i­m­il­ians-Uni­ver­sität startet die Alexan­der Thamm GmbH (AT) ein Pro­jekt zur daten­basierten Bekämp­fung der Coro­na-Pan­demie. Der Münch­n­er Data Sci­ence und KI-Anbi­eter unter­stützt dabei das von der LMU entwick­elte „Now­cast­ing-Mod­ell“ durch eine Erweiterung um Machine Learn­ing und Deep Learn­ing Meth­o­d­en.  Pro­fes­sor Dr. Göran Kauer­mann, Dekan der Fakultät für Math­e­matik, Infor­matik und Sta­tis­tik der  LMU, erläutert: „Das Ziel des gemein­samen Vorhabens ist es, lokalen Behör­den und Gesund­heit­sämtern sta­tis­tisch auf­bere­it­ete Infor­ma­tio­nen und valide Vorher­sagen über  die Infek­tio­nen vor Ort zu liefern sowie den Infor­ma­tions­fluss an sie zu automa­tisieren.” Entschei­dungsträger wer­den somit einen weitre­ichen­den Ein­blick in das lokale Infek­tion­s­geschehen bis hin zu einem Früh­warn­sys­tem erhalten.

 

Ohne eine allum­fassende Sichtweise ist es für die einzel­nen Insti­tu­tio­nen eine große Her­aus­forderung, die Pan­demie kor­rekt einzuord­nen und daraus die richti­gen Maß­nah­men abzuleit­en. Aktuelle Zahlen zeigen nur die durch Tests nachgewiese­nen Neuin­fizierten in dem jew­eili­gen Zuständigkeits­bere­ich des Gesund­heit­samtes. Diese Zahl hinkt dem aktuellen Infek­tion­s­geschehen zeitlich stets hin­ter­her. Ver­lässliche Pro­jek­tio­nen in die Gegen­wart und ins­beson­dere die Zukun­ft sind mit Hil­fe von sta­tis­tis­chen Mod­ellen und Ver­fahren möglich, die allerd­ings auf nationalen Dat­en beruhen und durch sta­tis­tis­che Hochrech­nung auf die einzel­nen Kreise herun­terge­brochen wer­den müssen. Zudem sind sta­tis­tis­che Unsicher­heit­en auf Grund unter­schiedlich­er Testhäu­figkeit­en schw­er zu ermit­teln und die Inter­pre­ta­tion der ver­füg­baren Dat­en ist mitunter kom­plex. Ins­beson­dere bei zunehmenden Neuin­fek­tio­nen, wie sie zum Herb­st erwartet wer­den, ergeben sich hier­durch Pla­nungs- und Kontrollunsicherheiten.

 

Opti­miert­er Infor­ma­tions­fluss durch Data Science

 

Deshalb möcht­en der Data Sci­ence Anbi­eter und die LMU mit dem „Now­cast­ing“ genaue Schätzun­gen zum tage­sak­tuellen Infek­tion­s­geschehen tre­f­fen und zu kurz- und mit­tel­fristi­gen Prog­nosen aus­bauen. Dabei geben Dat­en über bestätigte Infek­tio­nen und vor allem die Todes­fälle Rückschlüsse auf die Zahl der Neuin­fek­tio­nen. „Auch wenn es möglicher­weise zynisch klingt, aber die Zahl der Toten ist sta­tis­tisch gese­hen aus­sagekräftiger für die Zahl der tat­säch­lich Infizierten als die Zahl der gemelde­ten Infek­tio­nen, weil sie nicht von unter­schiedlichen Test­strate­gien, ‑genauigkeit­en oder der Ver­füg­barkeit von Tests abhängt“, so Frau Dr. Ursu­la Berg­er vom Insti­tut für Bio­me­trie und Epi­demi­olo­gie, LMU.  Der Leit­er des Sta­tis­tis­chen Beratungslabors der LMU, Pro­fes­sor Dr. Hel­mut Küchen­hoff, fügt hinzu: „Unser Mod­ell sagt die Zahl der Neuin­fek­tio­nen schon heute deut­lich bess­er voraus als andere Methoden.“

 

Inte­gra­tion von Deep Learn­ing zur Min­imierung sta­tis­tis­ch­er Unsicherheiten

 

Um Werkzeuge entwick­eln zu kön­nen, die Gesund­heits­be­hör­den oder anderen lokalen Ein­rich­tun­gen bei der Ein­schätzung der Lage und Auswahl geeigneter Maß­nah­men unter­stützen, sollen ver­schiedene Prozesse inte­gri­ert wer­den. Dazu zählen:

 

  • Daten­er­he­bung und ‑man­age­ment, inklu­sive Betra­ch­tung des Daten-Ende-zu-Ende-Prozesses
  • Weit­erge­hende sta­tis­tis­che Mod­el­lierung und Zusam­men­führung der Mod­elle, inklu­sive Sim­u­la­tio­nen und Mod­el­lierung ver­schieden­er Zukunftsszenarien.
  • Ergänzende Mod­el­lierung mit Deep Learn­ing Methoden
  • Infor­ma­tions­bere­it­stel­lung und ‑Ver­mit­tlung

 

Das Pro­jekt verbessert das Ende-zu-Ende-Daten­man­age­ment, schafft frühzeit­ig Trans­parenz und ermöglicht eine ziel­gerichtete Infek­tions­bekämp­fung“, erk­lärt Andreas Gill­hu­ber, CO-CEO und Pro­jek­tleit­er auf Seit­en der Alexan­der Thamm GmbH. „Deshalb sehen wir es als wertvolles Werkzeug im Kampf gegen die aktuelle Pan­demie, aber auch gegen weit­ere Infek­tion­skrankheit­en wie die Influen­za oder das Norovirus.“


Bilder


Alexander Thamm GmbH


Alexander Thamm gründete 2012 seine gleichnamige GmbH in München. Das Unternehmen ist die erste echte Data-Science-Beratung in Deutschland und beschäftigt derzeit über 150 Mitarbeiter an sechs Standorten. Die Alexander Thamm GmbH übernimmt die Erhebung, Analyse, Bewertung und Visualisierung von Daten und baut darauf Handlungsempfehlungen für Unternehmen auf. Zu den Kunden gehört unter anderem die Hälfte der DAX-30-Unternehmen, darunter BMW, VW und RWE.


Ansprechpartner

Kristina Gössler
E-Mail: kg@startup-communication.de
Telefon: 089/12021926-2

Download Presseinformationen


Download Basisinformationen