Künstliche Intelligenz im Krankenhaus der Zukunft

Forschungsprojekt LOTTE

»Leitsystem zur Optimierung der Therapie traumatisierter Patient*innen bei der Erstbehandlung«

Unfälle im Verkehr, am Arbeitsplatz, im Haushalt oder beim Sport führen in Deutschland jedes Jahr fast zehn Millionen Mal zu Verletzungen. Ein kleiner Teil dieser Unfälle führt zu Schwer- und Mehrfachverletzungen. Die Versorgung schwerverletzter Patient*innen zählt mit zu den komplexesten Situationen in der Unfallchirurgie. Versorgungsentscheidend ist dabei vor allem die Behandlung in der Frühphase, d.h. dem Zeitraum bis zur Aufnahme des Patienten oder der Patientin auf eine Intensivstation oder bis zur Verlegung in ein spezialisiertes Zentrum.

Im vom Bundesministerium für Gesundheit (BMG) geförderten Forschungsprojekt LOTTE wurden Szenarien für den Einsatz von Künstlicher Intelligenz (KI) und Big Data in der Behandlung von Schwerverletzten im Krankenhaus entwickelt. Bei diesen Szenarien steht insbesondere die datengetriebene Entscheidungsunterstützung im Mittelpunkt.  

Projektpartner sind neben Fraunhofer IAIS der Lehrstuhl für Management und Innovation im Gesundheitswesen sowie der Lehrstuhl für Unfallchirurgie und Orthopädie am Klinikum Köln Merheim an der Universität Witten/Herdecke und das Institut für Rechtsinformatik (IRI) von der Leibniz Universität Hannover.

 

 

Szenarien für den Einsatz von KI in der Schwerverletzten-Versorgung

Die im Forschungsprojekt LOTTE entwickelten Szenarien machen ein enormes Potenzial für den Einsatz von Künstlicher Intelligenz in der Schwerverletzten-Versorgung deutlich und zeigen Handlungsfelder für die Digitalisierung aller Krankenhäuser in Deutschland auf.

Mit unserem Geschäftsfeld Healthcare Analytics unterstützen wir Kliniken bei der Analyse und Implementierung von Einsatzszenarien in den Bereichen Data Science und Künstliche Intelligenz.

© Fraunhofer IAIS

1. Trajektorien-Klassifikation

Das System berechnet mit Methoden der Künstlichen Intelligenz eine objektive und quantitative Einschätzung der Fallkomplexität und des erwarteten Verlaufs. Das Ergebnis wird durch die Schockraum-Leitung abgerufen und dem gesamten Team digital visualisiert zur Verfügung gestellt.

2. OP-Risikoabschätzung

Schwerverletzte haben ein hohes Risiko für Komplikationen bei Operationen, welche einen großen Anteil der Sterblichkeit ausmachen. Diese können auch den potenziellen Nutzen der Operation übersteigen. Das System berechnet auf Basis historischer patientenbezogener Daten das individuelle Komplikationsrisiko.

3. (Semi-)automatische Dokumentation

Ein Sprachsystem zeichnet die Übergabe digital auf und wandelt diese automatisch mittels Informations-Extraktions-Methoden (u.a. »Named Entity Recognition«) in ein strukturiertes Protokoll um.

4. Intelligentes Leitlinien-Interface

Umfang und Komplexität der für die Schwerverletzten-Versorgung eingesetzten Leitlinien erschweren eine alltägliche und patientenspezifische Nutzung. Das Leitlinien-Interface kann nach Eingabe von Fallparametern den leitlinienkonformen Behandlungsablauf und Empfehlungen für nächste Schritte anbieten. Es unterstützt die Priorisierung von Maßnahmen und dokumentiert begründete Abweichungen von der Leitlinie innerhalb der Behandlungsalgorithmen.

5. Literatur-Mining

Ziel ist die Bereitstellung aktuellster Informationen zu Behandlungsmaßnahmen in der Polytrauma-Versorgung. Das Schockraum-Team erhält Zugriff zu einer Suchmaschine, die eine große Auswahl an aufbereiteter wissenschaftlicher Literatur bereithält.

6. Intelligente Alarmierungskette

Die Kommunikation vom Unfallort erfolgt über Notarzt, Leitstelle, Krankenhauspforte, Schockraum-Management bis zum Schockraumteam, üblicher Weise per Telefon. Durch intelligente Unterstützung dieser Alarmierungskette kann das Gespräch zwischen Notarzt und Leitstelle mittels Natural Language Processing (NLP) automatisiert in Datensätze umgewandelt werden.

Mehr Informationen

Haben Sie Fragen zum Forschungsprojekt LOTTE oder Interesse am Einsatz von Künstlicher Intelligenz in Ihrem Krankenhaus? Dann nehmen Sie gerne Kontakt mit uns auf.