Maschinelles Lernen (ML) ist ein hochaktuelles Teilgebiet der Künstlichen Intelligenz (KI), das in der Laboratoriumsmedizin zunehmend an Bedeutung gewinnt [1]. Im Gegensatz zu traditionellen prozeduralen Computerprogrammen, bei denen der Weg der Problemlösung vom Menschen vorgegeben wird, sollen ML-Programme diesen Weg selbstständig finden, indem sie „aus den Daten lernen“.
Eine typische Aufgabe unseres Fachs besteht beispielsweise darin, aus einem Muster von Laborwerten auf die zugrundeliegende Krankheit zu schließen. Den Lösungsweg kann man im Sinne eines diagnostischen Pfades in Form von Wenn-dann-Regeln ausprogrammieren. Alternativ könnte man dem Computer aber auch eine Datentabelle präsentieren (Abb. 1) und ihn anweisen, einen statistisch validen Entscheidungsbaum vorzuschlagen [2].
