Das KI-System der UF-Forscher gibt Ärzten einen besseren Einblick in den Zustand der Patienten

Mithilfe von Daten, die aus den Vitalfunktionen von Patienten gewonnen wurden, haben Forscher der University of Florida ein künstliches Intelligenzsystem entwickelt, das die Entscheidungsfindung von Ärzten in den entscheidenden, frühen Phasen des Krankenhausaufenthalts beschleunigen und fokussieren kann.

Der Algorithmus funktioniert, indem er Datenfluten von sechs Vitalparametern erfasst, die innerhalb von sechs Stunden nach der Krankenhauseinweisung gemessen werden. Anschließend werden diese Daten in einem von vier verschiedenen Clustern zusammengefasst, wodurch Ärzte klarere, zeitnahere und genauere Einblicke in die Prognose eines Patienten und die wahrscheinlichen medizinischen Ergebnisse erhalten. Die Ergebnisse wurden am 13. Oktober in der Zeitschrift PLOS Digital Health veröffentlicht.

Der Ansatz nutzt künstliche Intelligenz, um Patientendaten schneller und gründlicher zu analysieren als Ärzte, sagte Azra Bihorac, MD, stellvertretende Dekanin für Forschungsangelegenheiten am UF College of Medicine und Direktorin des Intelligent Critical Care Center der UF. Innerhalb weniger Stunden kann das System Patienten identifizieren, bei denen das Risiko schlechter Ergebnisse besteht.

„Dieses System hat das Potenzial, die Entscheidungsfindung von Ärzten zu beschleunigen und sie präziser zu machen“, sagte Bihorac.

Die Ergebnisse sind das Ergebnis einer Zusammenarbeit zwischen einem Dutzend UF-Forschern mit Fachkenntnissen in Chirurgie, Informatik, Medizin, Anästhesiologie und biomedizinischer Technik.

Um das System zu bewerten, verwendeten die Forscher eine anonymisierte Datenbank erwachsener Patienten, die zwischen 2014 und 2016 in das UF Health Shands Hospital eingeliefert wurden. Der Algorithmus wurde anhand von Daten von fast 100.000 Menschen aller Altersgruppen validiert und getestet.

Als maschinelles Lernen, eine Art künstliche Intelligenz, auf routinemäßige, frühe Vitalparameterdaten angewendet wurde, identifizierte das System Patienten mit einzigartigen Krankheitskategorien und unterschiedlichen klinischen Ergebnissen. Die Patienten wurden dann in einen von vier verschiedenen „Clustern“ eingeteilt. Patienten, die einem der Cluster zugeordnet wurden, zeigten frühe Anzeichen von niedrigem Blutdruck, erhöhter Herzaktivität und leichter Entzündung. Während diese Erkrankungen im Anfangsstadium schwerwiegend sein können, besteht auch die Möglichkeit, dass sie verschwinden und zu günstigen Ergebnissen führen. Der Algorithmus gruppierte andere Patienten in einen anderen Cluster, der am wahrscheinlichsten an chronischen Nieren- und Herz-Kreislauf-Erkrankungen litt. Außerdem war die Wahrscheinlichkeit, dass sie innerhalb von drei Jahren starben, höher, stellten die Forscher fest.

Der Wert des Algorithmus liege in seiner Fähigkeit, mehrere Patientendatenpunkte zu sammeln und schnell zu analysieren, sagte Bihorac. Beispielsweise kann ein niedriger Blutdruck ein Frühindikator für verschiedene bevorstehende medizinische Probleme sein. Durch die Kombination mit anderen Patientendaten und die Analyse durch einen Algorithmus erhalten Ärzte ein klareres Bild vom Verlauf des Patienten.

„Es ist wirklich wie ein Frühwarnzeichen. Innerhalb von sechs Stunden kann es helfen, Patienten zu identifizieren, bei denen das Risiko besteht, dass es nicht zu einem guten Ergebnis kommt. Es zeigt uns, bei welchen Patienten das Risiko einer Verschlechterung besteht und wer sofort mehr Aufmerksamkeit benötigt.“ Sie sagte.

Als nächstes sagte Bihorac, sie suche nach zusätzlichen Zuschüssen, die es dem Team ermöglichen würden, das System weiter zu untersuchen und schließlich seine Wirksamkeit bei derzeit hospitalisierten Patienten zu testen. Ein solches System könne wahrscheinlich ohne nennenswerte Kosten eingesetzt werden, sagte sie.

„Das ist eine so einfache und elegante Lösung. Sie nutzt die bereits gesammelten Daten und nutzt sie optimal zum Nutzen des Patienten“, sagte Bihorac.

Zu den Kollegen des UF Intelligent Critical Care Center, die bemerkenswerte Beiträge zur Forschung geleistet haben, gehören Yuanfang Ren, Ph.D., ein Informatikexperte und Assistenzwissenschaftler am UF College of Medicine; Tyler J. Loftus, MD, Assistenzprofessor in der Abteilung für Chirurgie; und Gilbert R. Upchurch, MD, Professor und Vorsitzender der Abteilung für Chirurgie, sagte Bihorac.

Die Forschung wurde durch mehrere Zuschüsse der National Institutes of Health, der National Science Foundation und der University of Florida unterstützt.

Medienkontakt: Doug Bennett, [email protected], 352-265-9400

Wissenschaftsjournalist, Herausgeber

Doug Bennett kam im Januar 2015 als Wissenschaftsjournalist und Redakteur zum UF Health-Team. Zu seinen Themengebieten gehören Anatomie; Biochemie und Molekularbiologie; Molekulargenetik und Mikrobiologie; Pathologie,...Lesen Sie mehr