XAI_TABS – Erklärbare KI für tierisches „AntiBiotic Stewardship“ mittels Resistenzmonitoring und Antibiotika-Optimierung

Zusammenfassung: XAI_TABS – Erklärbare KI für tierisches „AntiBiotic Stewardship“ mittels Resistenzmonito-ring und Antibiotika-Optimierung

Erklärbare KI-Modelle werden für die veterinärmedizinische Diagnostik entwickelt, welche anhand von Erreger-Markern in Flüssigkeiten aus Hochdurchsatzsequenzierungen in Kombination mit Antibiogrammen und weiteren Meta-Daten das optimale Antibiotikum im Sinne der „Antibiotic Stewardship“ vorhersagen. Hierbei werden erklärbare KI-Modelle basierend auf Neuronalen Netzen mit LRP und SHAP sowie Random Forest und XGBoost für einzelne Tierspezies erstellt werden, da Wirts-DNA und Keimspektrum sich abhängig von der Tierart unterscheiden. Die Wahl des Antibiotikums für das individuelle Tier wird anhand der Multiparameter Befunde angepasst und die wichtigen Eigenschaften für die Entscheidungsfindung dem Veterinärmediziner als Entscheidungsunterstützung offengelegt. Weiterhin ermöglicht der Einsatz von erklärbaren Komponenten die Extraktion wichtiger Erreger-Marker für die Entscheidung der KI-Modelle, welche anhand von alternativen Nachweis-Verfahren bei „Companion Animals“ validiert werden.