Unüberwachtes Lernen ermöglicht es Klinikern und Forschern, verborgene Strukturen in Patientengruppen aufzudecken, Krankheitssubtypen zu identifizieren und neue Risikokategorien zu entdecken, wenn keine klassifizierten Ergebnisse vorliegen. Dieses Modul konzentriert sich auf Clustering und Dimensionsreduktion für die Patientenphänotypisierung unter Verwendung sowohl strukturierter klinischer Daten als auch aggregierter Merkmale aus elektronischen Patientenakten (EHR). Sie werden untersuchen, wann und warum unüberwachtes Lernen zum Einsatz kommt, wichtige Clustering-Algorithmen vergleichen und die Interpretation von Clustern üben. Außerdem lernen Sie Techniken zur Dimensionsreduktion kennen, die zur Visualisierung hochdimensionaler Patientendaten und zur Verfeinerung von Phänotypen dienen. Schließlich behandelt das Modul die Validierung von Clustern, die Reproduzierbarkeit und die klinische Interpretierbarkeit – allesamt wesentliche Aspekte für den sicheren Einsatz unüberwachter Erkenntnisse im Gesundheitswesen.

Gesundheitsdaten sind von Natur aus zeitabhängig und umfassen Vitalparameter, Laborergebnisse, Medikamente und klinische Ereignisse, die im Laufe der Zeit erfasst werden. Dieses Modul stellt klassische und merkmalsbasierte Methoden zur Darstellung und Analyse dieser Längsschnittmuster für Frühwarnungen, die Erkennung von Verschlechterungen und Prognoseaufgaben vor. Sie befassen sich mit den Herausforderungen unregelmäßiger klinischer Zeitreihen, erstellen zeitfensterbasierte und aggregationsbasierte Merkmale und wenden nicht-neuronale Sequenzmodellierungstechniken an, die für klinische Umgebungen geeignet sind. Die zweite Hälfte des Moduls behandelt strenge Bewertungsmethoden für Modelle im Gesundheitswesen. Sie werden Metriken zur Unterscheidungskraft, Kalibrierung, Schwellenwertbestimmung und klinischen Nützlichkeit untersuchen und Validierungsstrategien entwerfen, die die zeitliche Reihenfolge berücksichtigen, Informationslecks vermeiden und reale Einschränkungen beim klinischen Einsatz widerspiegeln.

In diesem abschließenden Modul festigen Sie Ihre Kenntnisse in den Bereichen überwachtes Lernen, unüberwachtes Lernen, zeitliche Modellierung und Bewertung durch die Durchführung eines praxisorientierten Abschlussprojekts. Sie führen ein End-to-End-Projekt durch, das die Formulierung eines klinischen Problems, die Modellentwicklung, die explorative Analyse, die Konstruktion zeitlicher Merkmale und die Modellbewertung umfasst. Sie begründen die Wahl der Modelle, formulieren Annahmen und interpretieren die Ergebnisse aus klinischer Perspektive. Der Schwerpunkt liegt auf Kommunikation und Dokumentation, um sicherzustellen, dass die Ergebnisse sowohl von technischen als auch von klinischen Entscheidungsträgern überprüft werden können. Das Modul schließt mit einer Kurszusammenfassung, einem Glossar der wichtigsten Begriffe und einer Abschlussprüfung, die darauf ausgelegt ist, Ihr konzeptionelles Verständnis über alle Module hinweg zu bewerten.