Künstliche Intelligenz und Daten können bei der Eindämmung von Antibiotikaresistenzen helfen

Michael A. Ribers and Hannes Ullrich

DIW Wochenbericht, 2019, vol. 86, issue 19, 335-341

Abstract: Eine zentrale Strategie, um der Zunahme von Antibiotikaresistenzen entgegenzutreten, ist die Verbesserung der ärztlichen Verschreibungspraxis. Damit sollen Fehlverschreibungen von Antibiotika als eine Hauptursache von Antibiotikaresistenzen vermieden werden. Die zunehmende Verfügbarkeit medizinischer Daten und Methoden des maschinellen Lernens bieten die Chance, schnellere Diagnosen bereitzustellen. In diesem Beitrag wird am Beispiel von Antibiotikaverschreibungen für Harnwegsinfekte in Dänemark dargelegt, wie datenbasierte Vorhersagen die klinische Praxis vor dem Hintergrund von Antibiotikaresistenzen verbessern können. Zu diesem Zweck werden umfassende administrative und medizinische Daten zusammen mit Methoden des maschinellen Lernens und einem ökonomischen Modell verwendet, um Verschreibungsregeln für Antibiotika zu entwickeln. Dabei zeigt sich, dass die Gesamtzahl an Verschreibungen durch die vorgeschlagenen Politikmaßnahmen um 7,42 Prozent verringert werden kann, ohne die Anzahl behandelter bakterieller Infektionen zu verringern. Dies demonstriert das große Potential dieser Methode. In Deutschland kann dieses Potential jedoch erst durch weitere Bemühungen bei der Digitalisierung von Informationen verwirklicht werden. Eine wichtige Rolle spielt die Verknüpfung oft dezentral erhobener und gespeicherter Informationen, die für die IT-Systeme von Arztpraxen und Krankenhäusern verfügbar sein müssen.

Keywords: antibiotic prescribing; prediction policy; machine learning; expert decision-making (search for similar items in EconPapers)
JEL-codes: C10 C55 I11 I18 L38 Q28 (search for similar items in EconPapers)
Date: 2019
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.diw.de/documents/publikationen/73/diw_01.c.620810.de/19-19-1.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:diw:diwwob:86-19-1

Access Statistics for this article

DIW Wochenbericht is currently edited by Tomaso Duso, Marcel Fratzscher, Peter Haan, Claudia Kemfert, Alexander Kritikos, Alexander Kriwoluzky, Stefan Liebig, Lukas Menkhoff, Karsten Neuhoff, Carsten Schröder, Katharina Wrohlich and Sabine Fiedler

More articles in DIW Wochenbericht from DIW Berlin, German Institute for Economic Research Contact information at EDIRC.
Bibliographic data for series maintained by Bibliothek ().