» Inhaltsübersicht
Review-Artikel
9 Min.

Wie KI-basierte Frühwarnsysteme die Versorgung auf Intensivstationen verbessern

Die intensivmedizinische Versorgung gehört in Kliniken zu den kostenintensiven und hochtechnisierten Bereichen (1). Die dort behandelten Patienten sind besonders vulnerabel und benötigen nach einer Operation oder einer Verlegung eine besonders intensive Betreuung. Die Situation der Patienten zeichnet sich durch ein besonders hohes Mortalitätsrisiko oder eine besonders hohe Anfälligkeit für Komplikationen, beispielsweise in Folge von Infektionen, aus (2). Moderne Technologien sowie eine umfassende Erfassung von Patientendaten könnten die Überlebenschancen der Patienten auf Intensivstationen erhöhen. Können KI-basierte Frühwarnsysteme zu besseren Ergebnissen auf Intensivstationen führen?

Intensivmedizinische Versorgung ist besonders teurer Klinikbereich

Insgesamt behandelten 2016 rund 1.100 Kliniken in Deutschland Patienten auf einer Intensivstation (3). Die intensivmedizinische Versorgung umfasste 8,1 Millionen Belegungstage, an denen etwa 2,1 Millionen Fälle behandelt wurden. Die durchschnittlichen Kosten einer Therapie auf der Intensivstation lagen bei rund 3.200 Euro pro Patient (1). Allerdings sind je nach Fachgebiet und Charakteristik der Patientengruppe große Schwankungen festzustellen. Einzelne intensivmedizinische Therapien können auch bei über 50.000 Euro liegen (1). Für Kliniken ist es daher besonders wichtig, die Behandlungstage auf Intensivstationen bestmöglich auszutarieren, um Kapazitäten nicht länger als nötig zu binden.

Hohe Risiken bei unzureichender Versorgungssteuerung und -Überwachung

Neben einer unzureichenden Kapazitätssteuerung kommt es zudem regelmäßig zu Komplikationen infolge vorausgegangener Operationen oder Infektionen, die frühzeitig erkannt werden müssen (4). Insgesamt ergeben sich daraus drei Risiken für Krankenhäuser:

  • Finanzrisiko, durch zu lange Liegezeiten von Patienten auf Intensivstationen, die zu steigenden Kosten des Behandlungsfalls führen (1, 2).
  • Qualitätsrisiko, durch zu spät oder nicht erkannte Komplikationen, die bis zum Tod führen können (4).
  • Operatives Risiko, durch schlecht genutzte Ressourcen, fehlende Planung oder Bereitstellung von kurzfristig benötigten Diagnostik- und Therapieeinheiten (CT, OP etc.) (5).

Die Zunahme erfasster Patientendaten in elektronischen Patientenakten (ePA)Die elektronische Patientenakte (ePA) ist eine Datenbank bei der an unterschiedlichen Stellen erhobene Gesundheitsdaten und Behandlungsinformationen digital zusammengeführt und gespeichert werden. Es gibt sowohl national als auch international ein unterschiedliches Verständnis der elektronischen Patientenakte hinsichtlich der Begrifflichkeit, Inhal… Im Video erklärt.zum Glossar sowie die Möglichkeit der Auswertung großer Datenmengen in Echtzeit kann mittels geeigneter Instrumente dazu führen, diese Risiken zu minimieren (5).

In Abbildung 1 sind die Zusammenhänge der klinischen Prozesse im Kontext eines schematischen Behandlungsverlaufs dargestellt (6). Die roten Pfeile stellen potenzielle Verlegungen durch unerwartete Komplikationen dar, deren Identifikation möglichst frühzeitig stattfinden muss. Mittels Datenaggregation aller klinischen Behandlungsdaten über die elektronische PatientenakteDie elektronische Patientenakte (ePA) ist eine Datenbank bei der an unterschiedlichen Stellen erhobene Gesundheitsdaten und Behandlungsinformationen digital zusammengeführt und gespeichert werden. Es gibt sowohl national als auch international ein unterschiedliches Verständnis der elektronischen Patientenakte hinsichtlich der Begrifflichkeit, Inhal… Im Video erklärt.zum Glossar (ePA),Die elektronische Patientenakte (ePA) ist eine Datenbank bei der an unterschiedlichen Stellen erhobene Gesundheitsdaten und Behandlungsinformationen digital zusammengeführt und gespeichert werden. Es gibt sowohl national als auch international ein unterschiedliches Verständnis der elektronischen Patientenakte hinsichtlich der Begrifflichkeit, Inhal… Im Video erklärt.zum Glossar kann eine künstliche IntelligenzKünstliche Intelligenz (KI) impliziert den Versuch menschliches Lernen und Denken dem Computer anzueignen. Problemstellungen sollen von Computersystemen mit Hilfe großer Datenbestände gelöst werden, für die ein Mensch seine Intelligenz benötigt. Im Bereich der Radiologie beispielsweise kann die künstliche Intelligenz Ärzte bei der Befundung unterst… Im Video erklärt.zum Glossar (KI)Künstliche Intelligenz (KI) impliziert den Versuch menschliches Lernen und Denken dem Computer anzueignen. Problemstellungen sollen von Computersystemen mit Hilfe großer Datenbestände gelöst werden, für die ein Mensch seine Intelligenz benötigt. Im Bereich der Radiologie beispielsweise kann die künstliche Intelligenz Ärzte bei der Befundung unterst… Im Video erklärt.zum Glossar als Frühwarnsystem fungieren.

Klinische Prozesse, Behandlungsverlauf und FrühwarnsystemAbb. 1: Zusammenhang zwischen klinischen Prozessen, Behandlungsverlauf und Frühwarnsystem, eigene Darstellung erweitert nach (6).

Vorhersagemodelle ermöglichen rechtzeitige Eingriffe bei drohenden Komplikationen

Aufgrund der vorgenannten Datenerhebung bietet die Vorhersage durch Algorithmen eine Vielzahl an frühzeitigen Reaktionsmöglichkeiten, um die MortalitätMortalität (lat. mortalitas: „Sterblichkeit“) ist ein eine demographische Größe und ein Parameter der Epidemiologie, der Wissenschaft über die Entstehung, Verbreitung und Bekämpfung von Krankheiten. Die Mortalität bezeichnet die Sterblichkeitsrate in Bezug auf eine bestimmte Krankheit, also den Anteil verstorbener Menschen bezogen auf die Gesamtbev…zum Glossar zu senken, die Rückverlegung von Normalstationen auf Intensivstationen zu reduzieren sowie die Liegedauer auf Intensivstationen zu verkürzen. Dafür sind bereits in zahlreichen Kliniken Frühwarnsysteme im Einsatz, um in Echtzeit den Patientenzustand zu monitoren (4). Abbildung 2 zeigt eine mögliche Vorgehensweise zur Modellierung einer Komplikationsvorhersage. Dafür werden zunächst die Patientendaten, wie VitalparameterDer Begriff Vitalparameter beschreibt die Maßzahlen für grundlegende menschliche Körperfunktionen. Hierunter werden z.B. Atmung, Puls, Blutdruck und Körpertemperatur gefasst. In der medizinischen Versorgung ist eine Überwachung der Vitalparameter unerlässlich, da sie Rückschlüsse auf physisches und psychisches Befinden sowie Veränderungen dieser zu…zum Glossar oder Laborwerte, ins Modell eingespeist. Die Daten können aus einzelnen Kiniken stammen, idealerweise ist eine Zusammenführung größerer Krankenhaus-übergreifender Datenpools empfehlenswert. Das Vorhersagemodell errechnet dann mittels supervised Machine LearningMachine Learning ist ein iterativer Prozess und als Kategorie in das Feld der Künstlichen Intelligenz zu subsummieren. Es werden Algorithmen programmiert, welche initial an Datensets lernen und sich so auch ohne Weiteres selbstlernend entwickeln können. Demnach werden Vorhersagen ohne Regelwerk, auf Basis eingepflegter retrospektiver Daten durch Al… Im Video erklärt.zum Glossar (ML), in welchen Fällen eine Komplikation als Output auftritt. Daran anknüpfend errechnet ein AlgorithmusEin Algorithmus ist ein Lösungsverfahren in Form einer systematischen Regel oder Vorgehensweise. Mithilfe einer definierten Abfolge von Verfahrensschritten wird ein Problem gelöst. In der Informatik bilden Algorithmen eine Grundlage der Programmierung. Beispiele für Algorithmen sind die Berechnung des Body-Mass-Index (BMI), Gebrauchsanweisungen ode…zum Glossar in einem erklärenden Modell, inwieweit die einzelnen Input-Parameter für die Komplikationen verantwortlich sind. Anschließend kann das Frühwarnsystem vollautomatisiert alarmieren, wenn entsprechende Komplikationsparameter Auffälligkeiten aufweisen (7).

KI Vorhersagemodellierung von Komplikationen im KrankheitsverlaufAbb. 2: Vorhersagemodellierung von Komplikationen, eigene Darstellung nach (7).

Der Einsatz von ML als Form einer überwacht lernenden KIKünstliche Intelligenz (KI) impliziert den Versuch menschliches Lernen und Denken dem Computer anzueignen. Problemstellungen sollen von Computersystemen mit Hilfe großer Datenbestände gelöst werden, für die ein Mensch seine Intelligenz benötigt. Im Bereich der Radiologie beispielsweise kann die künstliche Intelligenz Ärzte bei der Befundung unterst… Im Video erklärt.zum Glossar kann dabei immer besser die Parameter verstehen und das Frühwarnsystem optimieren (2). Ein drohender Atemstillstand konnte beispielsweise bereits bei Verlegung auf Intensivstationen erkannt werden, wodurch frühzeitig Überwachungs- und Interventionsmaßnahmen eingeleitet werden konnten (8). Es konnte zudem durch ein geeignetes Frühwarnsystem die Liegedauer auf der Intensivstation um 10 Prozent, die Rückverlegungsrate um 50 Prozent und die MortalitätMortalität (lat. mortalitas: „Sterblichkeit“) ist ein eine demographische Größe und ein Parameter der Epidemiologie, der Wissenschaft über die Entstehung, Verbreitung und Bekämpfung von Krankheiten. Die Mortalität bezeichnet die Sterblichkeitsrate in Bezug auf eine bestimmte Krankheit, also den Anteil verstorbener Menschen bezogen auf die Gesamtbev…zum Glossar um 60 Prozent reduziert werden (2).

Charité testet Frühwarnsystem für die Intensivstation

In einem Projekt der Charité Universitätsmedizin Berlin in Zusammenarbeit mit dem Forschungszentrum Berlin Institute of Health wurde ein Frühwarnsystem zur Vorhersage von Komplikationen auf Intensivstationen entwickelt (9). Die Charité ist damit in Deutschland Vorreiter bei der Entwicklung dieser Systeme. Die Evaluation zeigt eine hohe Wirksamkeit bzw. Genauigkeit der Vorhersage, wodurch der Nachweis eines zielführenden Einsatzes von Frühwarnsystemen in diesem Kontext belegt werden konnte (10). Der ML-Algorithmus zeigte eine deutliche Performance-Verbesserung gegenüber klassischen klinischen Referenztools bei Blutungen von 9 Prozent, bei MortalitätMortalität (lat. mortalitas: „Sterblichkeit“) ist ein eine demographische Größe und ein Parameter der Epidemiologie, der Wissenschaft über die Entstehung, Verbreitung und Bekämpfung von Krankheiten. Die Mortalität bezeichnet die Sterblichkeitsrate in Bezug auf eine bestimmte Krankheit, also den Anteil verstorbener Menschen bezogen auf die Gesamtbev…zum Glossar von 18 Prozent und bei Nierenversagen von 25 Prozent (10).

Datenqualität und Echtzeit-Auswertung sicherstellen

Das Personal auf Intensivstationen kann durch ein KI-gestütztes Frühwarnsystem entlastet werden, wenn die notwendigen Voraussetzungen geschaffen werden. Zu beachten ist dabei eine hinreichend gute Datengrundlage durch die Bereitstellung von Patientendaten über die ePADie elektronische Patientenakte (ePA) ist eine Datenbank bei der an unterschiedlichen Stellen erhobene Gesundheitsdaten und Behandlungsinformationen digital zusammengeführt und gespeichert werden. Es gibt sowohl national als auch international ein unterschiedliches Verständnis der elektronischen Patientenakte hinsichtlich der Begrifflichkeit, Inhal… Im Video erklärt.zum Glossar in Echtzeit. Bei der Entwicklung von Algorithmen sollten gemeinsame Datennetzwerke genutzt werden, um eine breitere Datengrundlage bereitzustellen. Die notwendigen SchnittstellenMittels einer Schnittstelle können zwei unterschiedliche IT-Systeme kommunizieren, um beispielsweise Daten auszutauschen. Voraussetzung ist, dass die Schnittstellen kompatibel sind.zum Glossar müssen vorhanden sein, um alle verfügbaren Datenpunkte (unter anderem Vital- und Labordaten) bereitzustellen. Das Personal muss hinreichend für die Nutzung des Frühwarnsystems eingearbeitet und geschult sein. Zudem könnte der Bedarf zur Prozessanpassung bestehen, wenn personelle und räumliche Ressourcen aufgrund einer Warnung ad hoc bereitgestellt werden müssen, beispielsweise ein CT.

Frühwarnsysteme steigern die Überlebenschancen von Patienten

Der Einsatz von KI-gestützten Frühwarnsystemen zeigt eine deutliche Verbesserung der Performance in der intensivmedizinischen Versorgung. Das Finanz- und Qualitätsrisiko kann dabei ebenso wie das operative Risiko infolge einer schnelleren und effektiveren Behandlung von Komplikationen reduziert werden. Krankenhäuser haben mit diesem Instrument das Potenzial, ihre Kosten auf Intensivstationen zu senken, Ressourcen effektiver zu nutzen und den OutcomeDer Begriff des Outcome steht für den gemessenen Behandlungserfolg einer medizinischen Intervention bzw. die Versorgungsqualität des Gesamtergebnisses. Outcomes beinhalten die Faktoren Effektivität und Sicherheit, weshalb ihnen stets eine besondere Aufmerksamkeit zukommen sollte. Daher werden gemessene Outcomes zur Entscheidungsunterstützung genutz…zum Glossar für den Patienten zu erhöhen.

  1. Maierhofer T, Pfisterer F, Bender A, Küchenhoff H, Moerer O, Burchardi H, et al. Kosten als Instrument zur Effizienzbeurteilung intensivmedizinischer Funktionseinheiten. Medizinische Klinik – Intensivmedizin und Notfallmedizin. 2018;113(7):567-73. zum Original
  2. McCoy A, Das R. Reducing patient mortality, length of stay and readmissions through machine learning-based sepsis prediction in the emergency department, intensive care unit and hospital floor units. BMJ Open Quality. 2017;6(2):e000158. zum Original
  3. Riessen R, Hermes C, Bodmann KF, Janssens U, Markewitz A. Vergütung intensivmedizinischer Leistungen im DRG-System. Medizinische Klinik – Intensivmedizin und Notfallmedizin. 2018;113(1):13-23. zum Original
  4. Liu VX, Lu Y, Carey KA, Gilbert ER, Afshar M, Akel M, et al. Comparison of Early Warning Scoring Systems for Hospitalized Patients With and Without Infection at Risk for In-Hospital Mortality and Transfer to the Intensive Care Unit. JAMA Network Open. 2020;3(5):e205191-e. zum Original
  5. Awad A, Bader-El-Den M, McNicholas J, Briggs J. Early hospital mortality prediction of intensive care unit patients using an ensemble learning approach. International Journal of Medical Informatics. 2017;108:185-95. zum Original
  6. Calvo Herranz E, Mozo Martín MT, Gordo Vidal F. Introduction of a management system in Intensive Care Medicine based on the safety of the seriously ill patient during the entire hospitalization process: Extended Intensive Care Medicine. Medicina Intensiva (English Edition). 2011;35(6):354-60. zum Original
  7. Lauritsen SM, Kristensen M, Olsen MV, Larsen MS, Lauritsen KM, Jørgensen MJ, et al. Explainable artificial intelligenceKünstliche Intelligenz (KI) impliziert den Versuch menschliches Lernen und Denken dem Computer anzueignen. Problemstellungen sollen von Computersystemen mit Hilfe großer Datenbestände gelöst werden, für die ein Mensch seine Intelligenz benötigt. Im Bereich der Radiologie beispielsweise kann die künstliche Intelligenz Ärzte bei der Befundung unterst… Im Video erklärt.zum Glossar model to predict acute critical illness from electronic health records. Nature Communications. 2020;11(1):3852. zum Original
  8. Dziadzko MA, Novotny PJ, Sloan J, Gajic O, Herasevich V, Mirhaji P, et al. Multicenter derivation and validation of an early warning score for acute respiratory failure or death in the hospital. Critical Care. 2018;22(1):286. zum Original
  9. Frühwarnsystem für die Intensivstation [press release]. 2021. zum Original
  10. Meyer A, Zverinski D, Pfahringer B, Kempfert J, Kuehne T, Sündermann SH, et al. Machine learningMachine Learning ist ein iterativer Prozess und als Kategorie in das Feld der Künstlichen Intelligenz zu subsummieren. Es werden Algorithmen programmiert, welche initial an Datensets lernen und sich so auch ohne Weiteres selbstlernend entwickeln können. Demnach werden Vorhersagen ohne Regelwerk, auf Basis eingepflegter retrospektiver Daten durch Al… Im Video erklärt.zum Glossar for real-time prediction of complications in critical care: a retrospective study. The Lancet Respiratory Medicine. 2018;6(12):905-14. zum Original

Kontakt
Lehrstuhl für Management und
Innovation im Gesundheitswesen
Universität Witten/Herdecke
Alfred-Herrhausen-Straße 50
58448 Witten, Deutschland