Einleitung und Hintergrund
Zunächst zu dir persönlich: Welche Hashtags beschreiben dich am besten?
#Multipotentialite #Positiv #ExpatLife #Naturliebhaberin
Erzähl uns mehr zu den Hashtags.
Ein #Multipotentialite hat mehr als eine Leidenschaft und eine Reihe von Interessen. In meinem Fall bin ich von der Pharmazie über die Biotechnologie zu den Datenwissenschaften gekommen. In einem anderen Leben hätte ich Schriftstellerin, Ingenieurin, Handwerkerin oder Innenarchitektin werden können. Ich mag es, immer #positiv zu sein. Auch wenn die Dinge nicht so laufen, wie ich es mir wünsche, suche ich nach dem Silberstreif am Horizont und mache das Beste aus der Situation. Ich bin seit vielen Jahren im Ausland und habe in drei Ländern gelebt. Das #ExpatLife hat mich definitiv in vielerlei Hinsicht geprägt. Es kann manchmal hart sein, aber es ist auch sehr lohnend, das Leben aus einer anderen Perspektive zu sehen. Es ist garantiert eine Möglichkeit, seinen Horizont zu erweitern. #Naturliebhaberin. Eines der Dinge, die ich am Leben in der Schweiz am meisten liebe, sind die malerischen Aussichten und die Möglichkeit, in die Natur einzutauchen. Das ist ein Segen.
Wo arbeitest du aktuell?
Ich habe mich ganz dem Masterstudium gewidmet. Davor habe ich eine berufliche Pause eingelegt und in der Wissenschaft als Lehr- und Forschungsassistentin gearbeitet.
Was hast du vorher gemacht?
Ich begann mich für Daten zu interessieren, als ich an meinem Master in Biotechnologie arbeitete. Mein Abschlussprojekt bestand hauptsächlich aus Tätigkeiten im Nasslabor, die schliesslich auch eine Phase der DNA-Sequenzierung beinhalteten. Hierbei musste ich die Daten mit Bioinformatik-Tools analysieren. Das hat mich fasziniert und ich habe mit dem Gedanken gespielt, einen Abschluss in Bioinformatik oder Data Science zu machen. Nach reiflicher Überlegung entschied ich mich letztlich für Data Science, weil es ein breiteres Feld ist, in dem ich eine Vielzahl von Technologien, Konzepten und Datentypen kennen lernen kann.
Das Projekt
Erzähl uns von deinem Forschungsprojekt.
Aufgrund meines Hintergrundes in den Bereichen Gesundheit und Biowissenschaften wollte ich unbedingt ein Projekt im Bereich Health Data Science wählen. In letzter Zeit haben verschiedene Forschungsgruppen nach Möglichkeiten gesucht, die riesigen Datenmengen, die von tragbaren Geräten wie Herzfrequenzmessgeräten und Schrittzählern gesammelt werden, zu nutzen, um Menschen mit chronischen Krankheiten wie Diabetes bei der Bewältigung ihrer Krankheit zu helfen.
Bei Diabetiker:innenn besteht die Gefahr einer Hypoglykämie, das heisst eines sehr niedrigen Blutzuckerspiegels, der vor allem im Schlaf gefährlich werden kann. Deshalb müssen sie ihren Blutzuckerspiegel regelmässig kontrollieren. Bisher kann der Blutzuckerspiegel nur mit invasiven Methoden gemessen werden, zum Beispiel durch einen Pieks in den Finger oder mit einem kontinuierlichen Glukosemonitor. Das ist ein Gerät, das am Körper getragen wird und alle fünf Minuten den Blutzuckerspiegel misst.
Von der Idee zum Machine-Learning-Modell
Überblick über das Projektdesign.
Die Forschungsfrage lautet: „Können wir die von Wearables gesammelten Gesundheitsdaten (wie Herzfrequenz, Sauerstoffgehalt im Blut usw.) nutzen, um eine Hypoglykämie nichtinvasiv zu erkennen?“
Die Forschung in diesem Bereich konzentriert sich aufgrund ihrer Genauigkeit hauptsächlich auf medizinische Wearables. Unser Projekt untersucht jedoch die Möglichkeit, gute Ergebnisse mit kommerziellen Wearables zu erzielen. Im Erfolgsfall würden die Ergebnisse zu einer praktischeren Methode führen, die solche Wearables für die Endnutzer:innen leichter zugänglich macht.
Um dieses Projekt voranzutreiben, benötigte ich finanzielle Mittel und Kontakte, die ich glücklicherweise von allen Beteiligten erhalten habe. Daher an dieser Stelle ein grosses Dankeschön an alle, die dieses Projekt möglich gemacht haben!
Ergebnisse und Erkenntnisse
Welche Daten und Methoden hast du verwendet und welche wichtigen Erkenntnisse hast du daraus gewonnen?
Nachdem wir die Genehmigung der Ethikkommission erhalten hatten, begannen wir mit dem Rekrutieren von Typ-1-Diabetiker:innen. Die Teilnehmer:innen erhielten zwei tragbare Geräte. Das erste war eine Apple Watch Series 8, die unter anderem Gesundheitsdaten wie Herzfrequenz, Herzfrequenzvariabilität, Blutsauerstoffgehalt, Atemfrequenz und Schrittzahl erfasste. Das zweite Gerät war ein kontinuierliches Glukosemessgerät (CGM), das alle fünf Minuten den Blutzuckerspiegel mass.
Die Daten wurden über einen Zeitraum von zehn Tagen gesammelt, in denen die Teilnehmer:innen Informationen über ihre Mahlzeiten, Medikamente und körperliche Aktivität in ein Tagebuch eintrugen. Nach den zehn Tagen haben wir die Daten der Apple Watch, des CGM und des Tagebuchs kombiniert, aufbereitet und verwendet, um maschinelle Lernmodelle zur Vorhersage von Hypoglykämien zu trainieren.
Die Ergebnisse sind vielversprechend. Trotz der vielen Einschränkungen, die die Verwendung eines kommerziellen Wearables mit sich bringt, konnten wir gut funktionierende Modelle erstellen. Wir haben auch verstanden, welche Variablen notwendig sind, damit das Modell gute Ergebnisse liefert.
Tag- und Nachtdaten
Die Modelle wurden getrennt für Tag- und Nachtdaten erstellt. Die Abbildung zeigt den Beitrag der verschiedenen Merkmalsgruppen zu den Modellvorhersagen.
Blick auf die gesammelten Daten
Modellleistung für eine:n der Teilnehmer:innen.
Wie können deine Ergebnisse unserer Gesellschaft helfen?
Dieses Pilotprojekt liefert vielversprechende Erkenntnisse über die Integration von Hypoglykämie-Warnalgorithmen in kommerzielle Wearables. Der Umgang mit einer chronischen Erkrankung wie Diabetes ist komplex, und es kann einen grossen Unterschied machen, wenn die Patient:innen über ein wirksames Mittel verfügen, mit dem sie ihren Zustand kontrollieren können.
Wie möchtest du dein Projekt in Zukunft weiterverfolgen?
In Bezug auf die Sicherung der Projektergebnisse fallen mir zwei Dinge ein. Erstens würde ich gerne die Verwendung anderer kommerzieller Wearables wie FitBit testen, um sicherzustellen, dass die Ergebnisse reproduzierbar sind und um das Thema in einem grösseren Massstab zu untersuchen. Zweitens halte ich es für interessant, eine ähnliche Studie mit Kindern durchzuführen, da diese leider auch an Typ-1-Diabetes erkranken.
Wie hat dein Studium das Projekt beeinflusst?
Die Idee für die Abschlussarbeit wurde eigentlich durch ein Projekt inspiriert, das für eines der Module erforderlich war. Während des Masterstudiums habe ich viele Konzepte und Tools kennengelernt, die ich für das Projekt benötigte, zum Beispiel Python-Coding-Praktiken, Datenverarbeitungsmethoden, verschiedene Techniken des maschinellen Lernens, AWS-Dienste und vieles mehr.
Welchen Rat würdest du anderen geben, die ähnliche Projekte starten?
Trau dich, etwas Neues zu tun, arbeite mit Menschen zusammen, die dich unterstützen, und habe Geduld (ich musste die Abgabefrist für meine Diplomarbeit zweimal verlängern)! Nimm dir die Zeit, die Daten zu verarbeiten, bevor du mit der Modellierung beginnst, und beachte den Garbage-in-Garbage-out-Effekt!
Und nun zum Schluss: Welchen neuen Hashtag strebst du für die Zukunft an?
#Wachstum sowohl auf der persönlichen als auch auf der beruflichen Ebene.
Wir bedanken uns bei Yasmine Mohamed für das Engagement und die Zeit, um mit uns dieses wundervolle Forschungsprojekt zu teilen.
Applied Data Science Berufsbilder
Programm Information | Kontakt | Info-Events
Besuchen Sie eine unserer Info-Veranstaltungen und erfahren Sie mehr Details in einem persönlichen Gespräch mit der Studiengangsleitung.
Kontaktieren Sie uns sehr gerne für eine individuelle Beratung:
Tel.: +41 41 228 41 30 / E-Mail: master.ids@hslu.ch
Mehr Informationen finden Sie hier:
- Studienaufbau und Module
- Zulassung und Anmeldeprozess
- Berufsbilder und Studieninsights
- Beruf und Studium
- Generalistisches Ausbildungsprofil
- FAQ