Bayesianischer Ansatz zur Kombination und Interpretation der Ergebnisse von Ereigniserkennungsalgorithmen mehrerer verschiedener Echtzeitdatenquellen
Kontaktperson: John Berezowski
Dauer: 2016 - 2019
Dieses Projekt baut auf den Ergebnissen der bisherigen Forschung zur Entwicklung eines Früherkennungssystems für Tierkrankheiten in der Schweiz auf. Ein Bestandteil des Früherkennungssystems ist ein Syndromüberwachungssystem (SyS), welches mehrere Zeitreihen von unterschiedlichen Tiergesundheitsdatenquellen in einem System verbinden und überwachen kann.
Die Analyse mehrerer Zeitreihen in einem System hat viele Vorteile; beispielsweise werden dadurch zusätzliche Informationen über die Population gewonnen und verfügbar gemacht (Buckeridge 2005 Wong). Durch die Interpretation der Ergebnisse mehrere Ereigniserkennungsalgorithmen werden jedoch zusätzliche Verfahren erforderlich. Da SyS kontinuierlich ist und darauf abzielt, in Echtzeit (oder nahezu in Echtzeit) zu sein (Dorea 2011, Dupuy 2013), müssen die Methoden so automatisiert werden, dass sie mit jener Frequenz ausgeführt werden können mit welcher aktuelle Daten verfügbar werden, letztendlich auf einer täglichen Basis.
Bayesianische Methoden und Naive Bayes-Klassifizierer sind Methoden, die sich als geeignet erwiesen haben, um Rückschlüsse aus vielen Daten zu ziehen (Charniak, Witten). Diese Methoden können auch dazu verwendet werden, um Daten mit anderen Wissensformen, wie Expertenwissen, zu kombinieren und zu aktualisieren, sobald neue Daten verfügbar werden (Witten). Sie wurden bislang im Bereich Public Health (Wong) und in der Tiergesundheitsüberwachung (Shepard) eingesetzt. Dieses Projekt bedient sich eines Bayes-Ansatzes zur Interpretation der Ergebnisse von vielen Ereigniserkennungsalgorithmen. Um die Methode zu verbessern, wird Wissen über die Tierkrankheiten (von Experten und aus der Literatur) und die Eigenschaften der verwendeten Zeitreihen (durch Erfahrungen der BLV Früherkennung) in die Methode integriert.
Das erste Ergebnis der Arbeiten wird ein automatisiertes Tool sein, mit welchem Wahrscheinlichkeitsschätzer für das Vorkommen von Krankheiten berechnet und nach der Wahrscheinlichkeit geordnet werden, mit welcher sie die potentielle Ursache für einen Ausbruch in der Tierpopulation sein könnten. Weitere Ergebnisse der Arbeiten sind die Weiterentwicklungen des Tools zur Berechnung der Wahrscheinlichkeit, dass gegenwärtig ein Ausbruch stattfindet, und die Wahrscheinlichkeit, dass es sich dabei um eine zuvor nicht aufgetretene Krankheit (Emerging disease) handelt. Das Verfahren wird für jene Daten entwickelt, welche für das Früherkennungssystem des BLV zur Verfügung stehen. Es wird erwartet, dass zum Zeitpunkt des Projektstarts Daten aus ALIS und der TVD-Datenbank verfügbar sind. Die Methode wird als Pilotversuch an Rinderdaten angewandt und auf eine kleine Anzahl von Krankheiten beschränkt. Das Projekt wird in Zusammenarbeit des Veterinary Public Health-Institut (VPHI) mit der BLV Früherkennung durchgeführt. Dadurch soll sichergestellt werden, dass die Projektergebnisse eine sinnvolle Ergänzung zur Tiergesundheitsüberwachung in der Schweiz darstellen.
