In Krankenhäusern kommt es immer wieder zu unvorhergesehenen Ereignissen und zu Schwerstereignissen (SE). Dazu gehören u.a. Nierenversagen, Sepsis oder auch die Notwendigkeit von Bluttransfusionen und viele andere Ereignisse, die nicht immer aus dem Krankheitsverlauf erwartbar sind, aber trotzdem eine drastische Verschlechterung des Gesundheitszustands von Patienten zur Folge haben können. Die Analyse und Vermeidung solcher SE ist Teil der Qualitätssicherung in Krankenhaus. Bisher wurden solche SE durch manuelle Sichtung von Patientenakten durch qualifizierte Ärzte untersucht und Handlungsempfehlungen für die Prozesse und Behandlungen im Krankenhaus gegeben.
In unserem Forschungsprojekt entwickeln wir Machine Learning-Modelle, um Schwertschadenereignisse aus elektronischen Patientendaten vorherzusagen. Ein erster Schritt war die Vorhersage schwerer Krankheitsverläufe von COVID-19-Patienten, bei der wir mit hoher Genauigkeit Hochrisikopatienten schon 24 Stunden nach der Vorstellung im Krankenhaus identifizieren können. Ein weiteres Beispiel ist die frühe Vorhersage von Nierenversagen, die anhand weniger Laborwerte möglich ist. In Zukunft werden wir diese Modelle auf weitere Klassen von schweren Schäden erweitern, um ein zeitaufgelöstes datengetriebenes Patientenmonitoring zu ermöglichen. Damit kann in Zukunft sowohl die Patientensicherheit erhöht als auch die Arbeitsbelastung in Krankhaus verringert werden.
Referent: Maik Kschischo, Hochschule Koblenz, RheinAhrCampus, Fachbereich Mathematik und Technik, Joseph-Rovan-Allee 2, 53424 Remagen
