Intensivmedizin

Wie künstliche Intelligenz Leben retten kann

Die Informationsflut auf der Intensivstation ist schwierig zu bewältigen. Dank dem Einsatz von künstlicher Intelligenz kann die Diagnostik, Therapie sowie Risikobeurteilung verbessert werden. Dies zeigt ein Forschungsprojekt der Intensivmedizinerin Emanuela Keller.

Sabina Huber-Reggi 1 Kommentar

Apparatur auf der Intensivstation
Apparatur auf der Intensivstation
Auf der Intensivstation werden Millionen von Daten generiert, die mithilfe von künstlicher Intelligenz besser genutzt werden können. (Bild: iStock / sudok1)

 

Es piept auf der Intensivstation. Maschinen und Sensoren überwachen Atmung, Herzschlag und viele andere Vitalfunktionen von schwerkranken Menschen. «Typischerweise leiden diese Patienten und Patientinnen an mehreren Erkrankungen gleichzeitig, was häufig zu schwer kontrollierbaren Kaskaden von Komplikationen führt», sagte Emanuela Keller, UZH-Professorin für Neurointensivmedizin sowie leitende Ärztin der Neurochirurgischen Intensivstation des Universitätsspital Zürich, im Rahmen der Veranstaltungsreihe «Wissen-schaf(f)t Wissen» des Zürcher Zentrums für Integrative Humanphysiologie.

Dadurch sei das Krankheitsbild komplex und es sei schwierig zu erkennen, ob die Patienten und Patientinnen auf eine bestimmte Therapie ansprechen werden und welche Nebenwirkungen zu erwarten sind. Hinzu kommt, dass jeder Mensch grundsätzlich anders auf Therapien reagiert. Aus diesem Grund sei es wichtig, möglichst viele Parameter wie Diagnosen, klinische Daten, Laborwerte, genetischen Hintergrund und «Lifestyle»-Daten der einzelnen Individuen zu berücksichtigen.

Dieses Vorgehen der sogenannten Präzisionsmedizin erlaubt es, jedem einzelnen Menschen eine möglichst massgeschneiderte Therapie anzubieten. Hilfreich zeigt sich dabei die Digitalisierung, die es erlaubt, extrem viele Daten aus verschiedenen Quellen zu sammeln und zu dokumentieren. Auf der Intensivstation generieren zahlreiche Biosensoren in jeder Sekunde Millionen von Daten, die genutzt werden können, um Prognosen und Entscheidungen anzupassen.

Multiorganversagen rechtzeitig erkennen

Auf der Intensivstation ist es äusserst wichtig, erste Veränderungen rechtzeitig zu erkennen. Eine Situation, die zum Beispiel relativ häufig vorkomme, sei Multiorganversagen, sagt Keller. Das könne beispielsweise entstehen, wenn der Blutdruck abfälle oder der Druck im Schädelinnern steige. Denn dies löst eine Reihe von Reaktionen aus, die bis zum Ausfall von mehreren miteinander vernetzten Organen führen kann. «Wir wollen Korrelationen zwischen verschiedenen Laborwerten und den vielen Signalen aus den Biosensoren erkennen, die auf ein sich anbahnendes Multiorganversagen hindeuten» – erklärte Keller – «und so die Patienten rechtzeitig retten».

Überfordernde Datenmenge

 «Dabei ist die schiere Datenmenge jedoch nicht nur nützlich, sondern gleichzeitig ein Problem» – sagte Keller – «denn die Daten werden ohne Analyse und ohne Priorisierung elektronisch gespeichert». Ein Mensch könne mit dieser riesigen, unsortierten Zahlenmenge nicht umgehen. Hinzu komme, dass die Biosensoren unglaublich viele Alarme auslösen. Pro Patient und Tag muss man im Durchschnitt mit bis zu 700 akustischen Alarmen rechnen, wobei ein grosser Teil davon Fehlalarme sind. Das bedeutet Stress für die Fachkräfte, die in kürzester Zeit Entscheidungen treffen müssen. So ist es nicht erstaunlich, dass zahlreiche Fachkräfte auf der Intensivstation in ihrem Leben von einem Burnout betroffen sind.

Bessere Datenanalyse mithilfe künstlicher Intelligenz

«Wir wollen die Fachkräfte entlasten und gleichzeitig die Voraussagen verbessern», sagte Keller. So initiierte sie 2014 in Kollaboration mit der ETH Zürich, IBM Research Rüschlikon und dem Industriepartner Supercomputing Systems das Projekt «ICU Cockpit» mit dem Ziel, ein Informatiksystem aufzubauen, das die Daten einordnet und analysiert, sodass sie von den Fachkräften besser interpretiert werden können. Dazu sammeln die Forschenden Daten aus der Intensivstation und nutzen sie, um Vorhersagemodelle zu erstellen, um gewisse bekannte Muster und Zusammenhänge zu erkennen. Die Daten sind verschlüsselt und pseudonymisiert, was bedeutet, dass der Name der Patienten durch einen Code ersetzt wird, damit die Betroffenen nicht identifiziert werden können.

Anhand von maschinellem Lernen werden sogenannte Algorithmen entwickelt, die automatisch neue Daten analysieren und Resultate, d.h. Vorhersagen in Echtzeit liefern. «Bevor wir solche Algorithmen im Klinikalltag anwenden können, müssen wir sie jedoch in verschiedenen Situationen validieren. Das heisst, wir müssen überprüfen, ob sie auch mit neuen Daten korrekte Vorhersagen liefern», erklärte Keller.

Algorithmen sollen Fehlalarme erkennen

Getestet wurde ein Algorithmus des «ICU Cockpits» beispielsweise bei der Erkennung der Fehlalarme. Dank Video-Monitoring hat man beobachtet, dass Fehlalarme häufig durch Bewegungen sowohl der Patienten als auch des Pflegepersonals ausgelöst werden. Man hat dann ein Modell entwickelt, das die Menge an Bewegungen auf dem Video quantifiziert und die damit verbundenen Alarme als Artefakt klassifiziert. Der daraus entwickelte Algorithmus wurde anschliessend an 1200 Alarmen getestet. Dabei erkannte er 30 Prozent der Fehlalarme korrekt. Allerdings erkannte er nur 87.2 Prozent der echten Alarme als solche, was bedeutet, dass 12.8 Prozent von ihnen fälschicherweise als Fehlalarme klassifiziert wurden, obwohl sie eigentlich echt waren. «Das ist natürlich problematisch, das können wir uns nicht leisten», beurteilte Keller. Der Algorithmus muss also weiter verbessert werden, bevor er den Klinikalltag erleichtern kann.

Schwere COVID-19-Erkrankungen vorhersagen

Eine weitere mögliche Anwendung des «ICU Cockpits» hat sich während der ersten Welle der COVID-19-Pandemie gezeigt. Denn das Krankheitsbild ist sehr variabel und der Verlauf schwierig vorherzusagen. COVID-19-Erkrankte kommen nicht nur wegen Lungenentzündungen auf die Intensivstation, sondern auch aufgrund von Schlaganfällen oder Darmdurchblutungsstörungen. «Wir wollen nun die verschiedenen Laborwerte und Signale von Biosensoren auswerten und mit den Resultaten aus dem klassischen SARS-CoV-2-PCR-Test sowie mit dem Krankheitsverlauf vergleichen», erklärte Keller. So soll es eines Tages möglich sein, anhand von anderen Parametern als dem PCR-Test die Wahrscheinlichkeit einer COVID-19-Erkrankung vorherzusagen. Aber vor allem soll es möglich werden, dank der Unterstützung der künstlichen Intelligenz bei jedem Individuum den Schweregrad der Krankheit in einem frühen Stadium voraussagen zu können.

Die vielseitigen Anwendungsbeispiele zeigen, dass computergestützte Systeme auf der Intensivstation helfen können, in Zukunft Leben zu retten. «Dies weil sie das Personal entlasten können, und weil sie es erlauben, die zahlreichen Daten zum Wohle eines jeden Betroffenen zu nutzen», sagte Keller. 

Sabina Huber-Reggi ist ist Geschäftsführerin des Zürcher Zentrums für Integrative Humanphysiologie

1 Leserkommentar

Klaus W. Grätz schrieb am Wie KI Leben retten kann. Liebe Frau Keller Glückwunsch und weiterhin viel Erfolg. Kann mich noch gut erinnern als Sie Ihr Projekt erstmals vorgestellt haben (Nord1). Beste Grüsse, Klaus Grätz

Kommentar schreiben

Die Redaktion behält sich vor, Kommentare nicht zu publizieren. Unberücksichtigt bleiben insbesondere anonyme, ehrverletzende, rassistische, sexistische, unsachliche oder themenfremde Kommentare sowie Beiträge mit Werbeinhalten.

Anzahl verbleibender Zeichen: 1000