Suchen

Data Science Nowcasting: Corona-Infektionszahlen tagesaktuell vorhersagen

| Redakteur: Jürgen Schreier

Die Ludwig-Maximilians-Universität und der Data-Science- und KI-Spezialist Alexander Thamm GmbH arbeiten an einem Frühwarnsystem für Corona-Neuinfektionen. Dafür wird das von der LMU entwickelte „Nowcasting-Modell“ um Machine Learning und Deep-Learning-Methoden erweitert.

Firma zum Thema

Als Data-Science-Beratung hilft die Alexander Thamm GmbH ihren Kunden, Wettbewerbsvorteile und Mehrwert durch Data Analytics zu generieren.
Als Data-Science-Beratung hilft die Alexander Thamm GmbH ihren Kunden, Wettbewerbsvorteile und Mehrwert durch Data Analytics zu generieren.
(Bild: Alexander Thamm)

Die Alexander Thamm GmbH, München, 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.

Valide Vorhersagen für lokale Behörden und Gesundheitsämter

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.

Bildergalerie

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

Mit dem „Nowcasting“ wird es möglich, genaue Schätzungen zum tagesaktuellen Infektionsgeschehen zu treffen und zu kurz- und mittelfristigen Prognosen auszubauen. 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 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.“

Werkzeug auch für andere Informationskrankheiten

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.“

(ID:46635045)