KI-Werkzeug verringert Patientenrisiko und Klinikkosten effektiv

Künstliche Intelligenz analysiert Pflegeprotokolle, um Patientengefahr zu reduzieren Forscher haben ein künstliche-Intelligenz-gestütztes Werkzeug entwickelt, das die Schichtnotizen von Krankenschwestern analysieren kann, um frühzeitig zu erkennen, wenn der Gesundheitszustand eines zugelassenen Patienten sich verschlechtern könnte oder kurz davor steht, kritisch zu werden. Dieses Werkzeug, das als CONCERN Early Warning System (CONCERN EWS) bezeichnet wird, hat in frühen Versuchen das Sterberisiko von Patienten um mehr als 35% gesenkt und den durchschnittlichen Krankenhausaufenthalt um mehr als einen halben Tag verkürzt. Die klinischen Studien, die von 2020 bis 2022 an mehr als 60.000 Patienten durchgeführt wurden, zeigten auch eine Verringerung des Sepsisrisikos um 7,5%. Falls diese Ergebnisse breit repliziert werden können, bieten sie Krankenhäusern eine verlässliche Möglichkeit, Patientenoutcome zu verbessern und gleichzeitig die mit der stationären Behandlung verbundenen Kosten zu senken. In einer im April veröffentlichten Studie in „Nature Medicine“ erläuterten die Entwickler des AI-Werkzeugs, darunter Forscher der Columbia University und der University of Pennsylvania, wie der maschinellen Lernalgorithmus die präzisen medizinischen Beobachtungen von Krankenschwestern berücksichtigt. Krankenschwestern interagieren häufig mit Patienten und bemerken oft subtile, aber wichtige Veränderungen im Gesundheitszustand, die anderen möglicherweise entgehen würden. Das Besondere an CONCERN EWS ist, dass es nicht nur den Inhalt der Notizen in den elektronischen Gesundheitsakten (EHRs) liest, sondern vor allem die Metadaten, die diesen Notizen zugeordnet sind. Zum Beispiel kann eine Krankenschwester feststellen, dass sich die Hautfarbe eines Patienten leicht verändert hat, der Patient müde oder verändert wirkt. Als Reaktion darauf könnte die Schwester die Häufigkeit der Kontrollgänge erhöhen oder bestimmte Medikamente bis zur Besserung des Patienten verabreichen. CONCERN EWS konzentriert sich auf diese feinen Entscheidungen der Krankenschwestern. Als Indikator für die Einschätzungen der Krankenschwestern analysiert das System die Metadaten, die jedem Eintrag in den EHRs zugeordnet sind, wie Datum, Uhrzeit und Ort. Es erkennt Muster, die auf Probleme hindeuten, zum Beispiel, wenn Krankenschwestern Patienten häufiger als üblich überprüfen oder Kontrollgänge mitten in der Nacht oder zu ungewöhnlichen Zeiten durchführen. Bei alarmierenden Mustern gibt das System dem Pflegepersonal einen Hinweis, dass der Gesundheitszustand eines Patienten sich verschlechtern könnte. Die Studie, die von Sarah Rossetti, einer Associate Professorin für Biomedizinische Informatik und Pflege an der Columbia University, geleitet wurde, zeigte, dass das Modell den Krankenhausaufenthalt der Patienten im Durchschnitt um 11% verkürzen konnte. Die Forscher verwendeten NVIDIA RTX A2000 12GB Grafikkarten zur Entwicklung ihres Algorithmus. Während der klinischen Studien wurde CONCERN EWS in vier Krankenhäusern in Massachusetts und New York eingesetzt. Es half dem Pflegepersonal, Anzeichen von Problemen durchschnittlich 42 Stunden früher zu erkennen als traditionelle Methoden. Dies gab den Teams eine bessere Chance, rechtzeitig einzugreifen, bevor die Gesundheit des Patienten ernsthaft gefährdet war. Im Mai trugen die vielversprechenden Ergebnisse dazu bei, dass das Forschungsteam einen der drei prestigeträchtigen „Reimagining Nursing Initiative“-Preise der American Nurses Foundation gewann. Jeder Preisträger erhält einen Teil der insgesamt 1,5 Millionen Dollar an Fördergeldern. Sarah Rossetti und Kenrick Cato, Professor für Informatik an der University of Pennsylvania, werden ihren Anteil der Förderung nutzen, um mit dem Children’s Hospital Colorado zusammenzuarbeiten. Ziel ist es, eine pädiatrische Version des aktuellen Modells zu schaffen und in kommunalen Krankenhäusern zu evaluieren. Industrie-Experten bewerten die Entwicklung des CONCERN EWS sehr positiv. Sie sehen darin ein großes Potenzial, das Pflegepersonal effektiver zu unterstützen und die Qualität der stationären Patientenpflege deutlich zu verbessern. Die Columbia University und die University of Pennsylvania, die die Entwicklung des Systems angeführt haben, gelten als führende Institutionen im Bereich der Biomedizinischen Informatik und Pflegewissenschaft.