Bei welchem Patienten könnte sich in Kürze eine schwere Infektion entwickeln? Welche Patientin ist besonders gefährdet für eine ernste Sturzverletzung oder ein Druckgeschwür? Künftig könnten individuelle Risiken wie diese genauer vorhergesagt werden. In einem Pilotprojekt am UKSH soll erstmalig ein auf künstlicher Intelligenz (KI) beruhendes System zur Früherkennung von Komplikationen und Krankheiten implementiert werden. Das UKSH startete dafür im Oktober 2022 eine wissenschaftliche, anwendungsorientierte Kooperation mit der Tiplu GmbH, die derzeit unter anderem die KI-basierte Software „MAIA“ entwickelt. Finanziert wird das Vorhaben teilweise durch den Krankenhauszukunftsfonds des Bundes zur Förderung der digitalen Transformation in Krankenhäusern (KHZG).
Das System soll das Erkennen und möglichst frühe Vorhersagen klinischer Risiken ermöglichen und so ärztliches und pflegerisches Personal bei Entscheidungen unterstützen; zum Beispiel, ob bestimmte diagnostische oder therapeutische Vorsorgemaßnahmen erwogen werden sollten. Die Software „MAIA“ bildet die Grundlage für dieses System und soll nach erfolgreicher wissenschaftlicher Validierung perspektivisch im gesamten Klinikum zum Einsatz kommen.
„Künstliche Intelligenz bietet das Potential, die Medizin nachhaltig zu verbessern, medizinische Maßnahmen können zielgenauer greifen, die Zahl der Komplikationen und die Behandlungsdauer kann sich verringern“, sagte Projektleiter Prof. Dr. Kai Wehkamp, Geschäftsführender Oberarzt der Klinik für Innere Medizin I des UKSH, Campus Kiel. „Neben den eher technischen und prozessbezogenen Herausforderungen gilt es dabei auch ethische, gesellschaftliche und rechtliche Anforderungen zu moderieren, denn nur so kann Vertrauen in die KI-gestützte Medizin gewährleistet werden. Wir wollen ein System, dass die Medizin dabei unterstützt, der einzelnen Patientin, dem einzelnen Patienten noch besser gerecht zu werden und so auch eine menschliche Medizin fördert.“
Die sich in der Entwicklung befindende Software "MAIA" der Firma Tiplu nutzt Algorithmen der künstlichen Intelligenz, um basierend auf Patientendaten (zum Beispiel Laborwerte, Vitalparameter, Medikamentenpläne oder Informationen über frühere Behandlungen) Muster für die Erkennung bzw. Vorhersage von Erkrankungen zu finden oder mögliche Diagnosen zu vorliegenden Symptomen vorzuschlagen. Technisch basiert das Programm auf State of the Art-Methoden des maschinellen Lernens. Die Risikoeinschätzung des Systems soll durch Erklärungen ergänzt werden, die es den behandelnden Fachleuten ermöglichen, Warnungen und Vorschläge besser nachzuvollziehen. Die tatsächlichen Behandlungsentscheidungen werden aber immer bei den Ärztinnen und Ärzten liegen.