Wenn KI-Modelle vorhersagen, wie lange ein Patient überlebt, wer entscheidet dann, ob man ihnen vertrauen kann? Sophie Hanna Langbein wurde eingeladen, auf einem internationalen Workshop in den Niederlanden genau diese Frage zu beantworten.
Im Februar 2026 hielt Sophie Hanna Langbein (BIPS / Universität Bremen / Lifespan AI) auf Einladung der niederländischen biometrischen Gesellschaft (VVSOR) einen Vortrag beim Workshop Methods for Explainable Machine Learning in Health Care. Sie stellte interpretierbare Methoden vor, die erklären, wie und warum maschinelle Lernmodelle Überlebenszeitprognosen treffen, also Vorhersagen dazu, wann ein bestimmtes klinisches Ereignis eintritt.
Überlebenszeitmodelle sind in der klinischen Praxis unverzichtbar: für Krebsprognosen, Herzinsuffizienz-Risikostratifizierung oder die Planung von Therapieverläufen. Wenn komplexe KI-Modelle diese Vorhersagen treffen, bleibt oft unklar, auf welcher Grundlage sie entscheiden. Interpretierbare KI-Methoden (XAI) können diese Lücke schließen und machen KI-Entscheidungen für Kliniker und Patientinnen nachvollziehbar, eine Voraussetzung für den verantwortungsvollen Einsatz im Gesundheitswesen.
Die VVSOR (Vereniging voor Statistiek en Operationele Research) ist die niederländische Fachgesellschaft für Statistik. Ihre Workshops richten sich an Statistikerinnen und Statistiker in klinischer und epidemiologischer Forschung.