Datum
-
Referenten
Cécile Trottet
Interpretierbare Machine-Learning-Modelle für Patient:innenverläufe mit Anwendungen bei chronisch-rheumatischen Erkrankungen
Rheumatische Erkrankungen wie die rheumatoide Arthritis (RA) und die systemische Sklerose (SSc) sind komplex und führen häufig zu langfristigen Einschränkungen. Eine zentrale Herausforderung bei der Vorhersage des Krankheitsverlaufs liegt in der longitudinalen, spärlichen, heterogenen und hochdimensionalen Struktur der zugrunde liegenden Daten.
Cécile Trottet wird Machine-Learning-Methoden vorstellen, die es ermöglichen, diese komplexen Daten interpretierbar zu modellieren. Ziel ist es, Patient:innen mit ähnlichen Krankheitsverlaufsmustern zu identifizieren und die zukünftige Krankheitsaktivität bei RA sowie Organbeteiligungen bei SSc vorherzusagen.