Synthesis of statistical and artificial intelligence modelling for pharmacometrics (SYSTAIMO)

Klassische statistische Modelle lassen sich aus wenigen Daten berechnen und liefern gute Vorhersagen auf breiter Ebene in verschiedenen Bereichen der Pharmazie, Biologie und der Ökologie. Sie werden aber mit zunehmendem Detailgrad (z. B. Individuen anstatt Gesamtbevölkerung) schlechter. KI-gestützte Modelle können auf diesen detaillierteren Ebenen deutlich bessere Vorhersagen treffen, benötigen allerdings signifikant mehr Daten. Für viele praktische Anwendungen liegen diese Datenmengen allerdings nicht vor.

Das Ziel von SYSTAIMO ist daher die Synthese aus statistischen und KI-gestützten Modellen, um die komplementären Vorteile beider Modelle in einem Hybrid-Modell zu vereinen. Dabei lässt sich das statistische Modell aus wenigen Daten berechnen und ist analytisch, d. h. es kann für beliebig feine Zeitabstände Vorhersagen liefern. Diese Vorhersagen sind allerdings nicht so präzise und personalisiert wie mit KI-Verfahren möglich, können aber als zusätzliche Trainingsdaten für das KI-Modell dienen, um so aus der Synthese beider Modelle deutlich bessere und präzisere Vorhersagen erzielen zu können. Zur Demonstration der Performance dieses neuen Ansatzes wird die Vorhersage der Konzentration des Wirkstoffs Propofol im Blut von Patient:innen als Anwendungsfall untersucht.