Transformieren von klinischen Assessments: Explizites Formulieren impliziter klinischer Entscheidungsfindung zur Schulung von KI
Auf einen Blick
- Projektleiter/in : Lena Sauerzopf
- Stellv. Projektleiter/in : Dr. Martina Spiess
- Projektteam : Celina Chavez, Dr. Elena Gavagnin, Benjamin Kühnis
- Projektvolumen : CHF 18'000
- Projektstatus : laufend
- Drittmittelgeber : Interne Förderung (ZHAW digital / Digital Futures Fund)
- Kontaktperson : Lena Sauerzopf
Beschreibung
Wir erstellen derzeit einen KI-Algorithmus unter Verwendung moderner Methoden der Computer Vision, um die Bewegungsqualität bei Menschen nach einem Schlaganfall zu bewerten. Unser Projekt, wie viele andere, ist auf die manuelle Bewertung der Bewegungsqualität durch Therapeut:innen angewiesen, um eine Ground Truth zu kreieren. Während Therapeut:innen darauf trainiert sind, die Bewegungsqualität von Personen (dreidimensional, 3D) zuverlässig zu beurteilen, ist unklar, ob sie dies auch tun können, wenn die Bewertung auf Videos basiert (zweidimensional, 2D). Das Ziel dieses eingebetteten DFF-Projekts ist es, die Zuverlässigkeit von video-basierten Beobachtungen bei der Bewertung von kompensatorischen Bewegungen in den oberen Extremitäten und dem Rumpf während einer Trinkaufgabe von Personen nach einem Schlaganfall zu beurteilen. Daher rekrutieren wir 25 Therapeut:innen, um 7 anonymisierte Videoaufnahmen von Personen nach einem Schlaganfall zu bewerten und sie dazu zu veranlassen, kompensatorische Bewegungen auf einer Skala zu bewerten. Wir werden die Intra-Rater- und Inter-Rater-Zuverlässigkeit analysieren, um zu einer zuverlässigen Grundlage für KI-Anwendungen in klinischen Entscheidungsprozessen beizutragen.