Digitalisierte Datenerfassung und KI für sichere Operationen

Bei Operationen treten immer wieder Komplikationen auf, sogar mit Todesfolge. Ein neues Projekt namens “KIPeriOP” will das Risiko solcher Komplikationen minimieren. Basis sind digitalisierte Entscheidungsleitlinien und selbstlernende Algorithmen, die anhand individueller Patientendaten eine verlässliche Risikoabschätzung liefern sollen: Mit welcher Wahrscheinlichkeit können bestimmte Komplikationen auftreten, wie ließen sie sich womöglich vermeiden?

Zwar gibt es Leitlinienpapiere, die das medizinische Personal bei dieser Risikoabschätzung unterstützen, sie führen unter anderem Art und Anzahl von sinnvollen Voruntersuchungen auf. Doch in der Praxis sind diese Leitlinien nicht leicht anwendbar. Es sind vielschichtige Dokumente, und ihre Anwendung erfordert die Berücksichtigung einer Fülle von Informationen, deren Beschaffung nicht immer einfach ist.

Hier setzt das Forschungsprojekt “KIPeriOP” an, durchgeführt von einem interdisziplinären Konsortium. Koordiniert wird das Projekt durch Prof. Dr. Anja Hennemuth vom Fraunhofer-Institut für Digitale Medizin MEVIS, sowie Prof. Dr. Patrick Meybohm vom Universitätsklinikum Würzburg. Ziel ist die Entwicklung eines klinischen Entscheidungsunterstützungssystems, im Fachjargon CDS-System genannt. Die vom Börm-Bruckmeier Verlag entwickelte Software soll zunächst patientenindividuell und leitlinienkonform mögliche Risikofaktoren sammeln, miteinander in Bezug setzen und als Ergebnis eine Risikoeinschätzung liefern: Wie wahrscheinlich ist es für einen bestimmten Patienten, dass während oder nach einer OP ernsthafte Komplikationen auftreten? “Auf Basis dieser Risikoeinschätzung können Ärzte zum Beispiel entscheiden, ob weitere Untersuchungen notwendig sind und durch welche Maßnahmen der Patient optimal auf die Operation vorbereitet werden kann”, erläutert Meybohm.

Im Projekt werden verschiedene KI-Verfahren getestet, um ein optimales Modell zu finden. Damit sie verlässlich funktionieren, müssen die Algorithmen zunächst trainiert, d.h. mit vielen Datensätzen über tatsächliche Voruntersuchungen und OP-Verläufe gefüttert werden. Diese Daten erheben die vier klinischen Projektpartner. “Wir sammeln hier nicht nur Daten, die sowieso schon vorhanden sind, sondern können die Datenerhebung speziell an unsere Bedürfnisse anpassen”, sagt Meybohm. „”adurch erhoffen wir uns eine größere Relevanz und Genauigkeit der Algorithmen und Handlungsempfehlungen.

Weitere Informationen sind hier erhältlich.