Maschinelles Lernen zur Volltextanalyse für Zulassungen von Arzneimitteln & Medizinprodukten
Bachelorarbeit,Masterarbeit,Studienarbeit,Diplomarbeit,Hiwitätigkeit
Im Rahmen des Projekts FG Medical Information Processing

Description

Für die Bewertung von Arzneimitteln und Medizinprodukten mit dem Ziel der Zulassung müssen wissenschaftliche Veröffentlichungen und Fallstudien (case studies) ausgewertet werden, die zusammengefasst einer Behörde oder benannten Stelle (z.B. TÜV, Dekra) vorgelegt werden.

Bild: Teaser Medizinproduktebewertungs-KI Dazu müssen aus zahlreichen Untersuchungen viele vordefinierte Daten extrahiert werden, beispielsweise die Anzahl der Versuchspersonen in einer Studie, mögliche Nebenwirkungen, die Zuverlässigkeit der Studie etc. Aktuell werden diese Angaben manuell von Menschen aus Texten extrahiert, was zeit- und somit kostenintensiv ist.

Deshalb soll im Rahmen dieser Arbeit ein künstliches neuronales Netz erstellt bzw. adaptiert werden, welches die Daten automatisch aus Volltexten extrahieren kann und beispielsweise als n-best-Liste dem menschlichen Benutzer präsentiert, welcher somit die finale Entscheidung über die Korrektheit der Daten behält.

Vorarbeiten im Bereich Natural Language Processing (NLP) sind im Institut beispielsweise im Projekt Cruisewatch vorhanden, OpenSource-Projekte wie robotreviewer.net können als Ausgangspunkt für die Bearbeitung des Projekts dienen.

Requirements

Gute Programmierkenntnisse in Python sind hilfreich und wünschenswert.

Kenntnisse und nach Möglichkeit erste eigene Erfahrungen mit gängigen Programmierbibliotheken für maschinelles Lernen wie PyTorch, Keras oder TensorFlow sind ebenso wie allgemeine Grundkenntnisse über maschinelles Lernen, beispielsweise aus der Vorlesung Maschinelles Lernen, wünschenswert.

Diese Arbeit kann im Rahmen einer Studienleistung, Abschlussarbeit oder als Hiwitätigkeit bearbeitet werden.

Bei Fragen oder Interesse bitte gerne melden.

Contact person: Holger Meuel