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

Frühwarnsystem für Corona-Neuinfektionen

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 (s.g. nowcasting), 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 aber 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.“ 

Über die Alexander Thamm GmbH:

Die Data- & KI-Beratung Alexander Thamm GmbH ist führend in der Entwicklung und Implementierung datengetriebener Innovationen sowie Geschäftsmodelle im deutschsprachigen Raum. Das Leistungsportfolio umfasst die gesamte Data Journey – von der Datenstrategie über die Entwicklung von Algorithmen und den Aufbau von IT-Architekturen bis hin zu Wartung und Betrieb. Die unternehmenseigene Data Academy bietet Schulungen zu Data Science, Big Data und Künstlicher Intelligenz an. Gegründet wurde die Alexander Thamm GmbH im Jahr 2012 von Alexander Thamm und beschäftigt derzeit über 150 Mitarbeiter. Der Hauptsitz befindet sich in München. Weitere Standorte sind Berlin, Frankfurt, Leipzig, Stuttgart und Köln. Zu den Kunden zählen unter anderem über die Hälfte der DAX-30-Unternehmen.
Weitere Informationen finden Sie unter
www.alexanderthamm.com. Vernetzen Sie sich mit uns auf LinkedIn: https://www.linkedin.com/company/alexander-thamm-gmbh/ 

Pressekontakt:
Michaela Tiedemann
Chief Marketing Officer
Tel: +49 176/1891 7438
E-Mail: michaela.tiedemann@alexanderthamm.com                                                                                             

top