Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
06 2022 30 www medicaldesign news HealtHcare It SecurIty Machine Learning erforderlich war Das Team probierte in der Folge verschiedene Methoden zum Beheben dieser Klassifizierungsprobleme konnte aber keine Verbesserung feststellen Dies ist wahrscheinlich darauf zurückzuführen dass diese Leukämietypen nur über eine geringe Anzahl von Patienten verteilt waren Um auch mit kleinen und unausgewogenen Proben umgehen zu können generierten die Forscher daher synthetische Daten zum Ausgleich ■ ■ Hohe Datensicherheit Aufgrund des globalen Umfangs der MLL-Forschung müssen die verwendeten Datenspeicher den Datenschutzbestimmungen der einzelnen Länder gerecht werden Die Sicherheitsdienste von AWS erfüllen höchste Standards und werden von unabhängigen Akkreditierungsstellen zertifiziert Die ermittelten Informationen werden vom MLL an die AWS-Server in Frankfurt übertragen Dort werten Algorithmen die Daten direkt in der Cloud aus was die Analysen zusätzlich beschleunigt Früher benötigte das MLL mit der internen auch sehr guten Infrastruktur bis zu 20 Stunden für bestimmte Prozesse Heute lassen sich diese Arbeitsschritte in nur drei Stunden erledigen Zudem wird dadurch eine äußerst hohe und reproduzierbare Genauigkeit der komplexen Analysen erzielt im Rahmen von Pilotprojekten aktuell 95 Prozent in der Zytomorphologie 92 Prozent bei Genomen sowie Transkriptomen und 90 Prozent bei der Immunophänotypisierung Die durch maschinelles Lernen vorbereiteten Daten werden dann zur weiteren Validierung an das MLL-Team übergeben Erst dann entsteht der Befund Auch in finanzieller Hinsicht hat sich das neue Verfahren als äußerst effizient erwiesen Das Labor kann die Nutzung der Cloud-Dienste je nach Bedarf anpassen und zahlt letztendlich nur für die Ressourcen die es jeweils in Anspruch nimmt Mithilfe von NGS erhöhte sich somit die Qualität der Diagnostik bei gleichzeitiger Verringerung der Kosten ■ ■ Learnings Erfahrungswerte Drei Ergebnisse sind aus der Kooperation besonders hervorzuheben ■ ■ Zusammenarbeit mit Fachleuten – Bei Machine Learning und künstlicher Intelligenz im medizinischen Bereich kommt es auf das gesammelte Wissen von Experten aus unterschiedlichen Bereichen an Durch die Kombination verschiedener Disziplinen besitzt das MLL den größten und hochwertigsten Datensatz seiner Art für die Blutkrebsdiagnostik Dies erleichtert auch die Erstellung des maschinellen Lernmodells für die Data Scientists von AWS ■ ■ Schnellere Ergebnisse – Mithilfe der Werkzeuge von AWS ließen sich zentrale Schritte des Diagnostikprozesses um das Fünffache beschleunigen Außerdem muss sich das MLL-Team nicht um das Management der Infrastruktur kümmern und kann sich vollständig Kooperation zwischen MLL und aws Das MLL war 2005 vom Hämatologen Prof Dr Dr Torsten Haferlach und Kollegen gegründet worden um die Diagnose und Behandlung von Leukämie mit den bestmöglichen Methoden der Routinediagnostik zu verbessern Seitdem hat es sich zu einer weltweit führenden Einrichtung für Blutkrebsdiagnostik und -forschung entwickelt die in einem hochinnovativen Umfeld tätig ist Ein weiterer Meilenstein ist die integrierte Diagnostik auf Basis von maschinellem Lernen und Cloud-Technologie die das Labor in Zusammenarbeit mit Amazon Web Services AWS umsetzen konnte Bild 2 Mithilfe der awscloud kann MLL mehr Leukämie-Fälle als bisher parallel analysieren und damit schneller eine geeignete Behandlung definieren Bild 3 im MLL stehen mehrere plattformen für hochdurchsatzsequenzierungsverfahren für die diagnostik zur Verfügung