Eberhard Karls Universität Tübingen

Künstliche Intelligenz soll ermöglichen, frühzeitig Patienten zu identifizieren, die nach Knietotalendoprothesen- Implantation ein Risiko haben, einen komplikationsreichen Heilungsverlauf zu entwickeln.

Der Lehrstuhl für Unfallchirurgie an der medizinischen Fakultät der Eberhard Karls Universität Tübingen, BG Unfallklinik Tübingen, entwickelt ein Frühwarnsystem für die Erkennung von Komplikationen bei Patienten mit Knieimplantaten. Hierbei soll die Versorgung und die Qualität von Patienten mit einer Kniegelenkstotalendoprothese durch die Identifizierung von Risikofaktoren langfristig verbessert werden.

Nebenerkrankungen als Risikofaktoren

Deutschland gehört mit ca. 200.000 Knietotalendoprothesen pro Jahr zu den Ländern, in denen überdurchschnittliche viele Prothesen implantiert werden. Aufgrund der Überalterung der Gesellschaft nahm die Zahl in den letzten Jahren stetig zu. Ältere Patienten haben häufiger Nebenerkrankungen (z.B. Diabetes mellitus, kardiovaskuläre Erkrankungen, Adipositas, Parkinson etc.) und nehmen mehr Medikamente ein als jüngere. Der Lehrstuhl für Unfallchirurgie an der medizinischen Fakultät der Eberhard Karls Universität Tübingen konnte eindeutig aufzeigen, dass Patienten mit vielen Nebenerkrankungen (Komorbiditäten) ein erhöhtes Risiko für Komplikationen im muskuloskelettalen Bereich aufweisen. Chronische Schmerzen, körperliche Funktionseinschränkungen und letztlich eine Minderung der Lebensqualität können die Folge sein. Hierdurch entsteht ein hoher sozioökonomischer Druck auf das Gesundheitssystem. Inwiefern Nebenerkrankungen als mögliche Risikofaktoren Einfluss auf den Heilungsverlauf nach einer Knieprothesenimplantation haben und die Rehabilitation beeinflussen, soll im Rahmen dieses Projektes mittels KI evaluiert werden.

Das Krankenhausinformationssystem (KIS) hält sämtliche klinische Daten der Patienten vor. Allerdings sind diese Daten in der Regel für eine strukturierte Zusammenführung und Analyse nicht verfügbar und/oder nicht an das KIS angeschlossen. Darüber hinaus existieren wichtige Daten lediglich in unstrukturierter Form z.B. als externe Arztbriefe. Zudem sind radiologische Bilddaten, subjektive Parameter (Patient Reported Outcome Measures (PROMs)), sowie Daten der geforderten Registerdokumentation nicht an das KIS angeschlossen. Ziel dieses Projektes ist es deshalb, mithilfe Künstlicher Intelligenz (KI), basierend auf digitalen Strategien, sämtliche vorhandene und relevante Daten der Patienten (klinisch, strukturiert, unstrukturiert, PROM basiert, radiologisch etc.), die eine Knieprothesenimplantation erhalten, systematisch auf einer Klinik-internen Datenplattform, zusammenzuführen. Die KI-basierte Lösung gewährleistet zudem die Einhaltung des Datenschutzes und der Datensicherheit. Nur so kann eine zielgerichtete multifaktorielle digitale Datenanalyse erfolgen, die es Klinikern und Implantateherstellern ermöglicht, Risikofaktoren für Komplikationen bei Knieprothesenimplantaten frühzeitig zu validieren und entsprechende Schritte einzuleiten.

Lösungsansatz

Ziel ist es, sämtliche Daten, die in unstukturierter Form vorhanden sind, digital verfügbar zu machen und mittels KI in ihrer Gesamtheit wissenschaftlich auszuwerten.

Zudem sollen neue vollautomatisierte KI-Algorithmen für die radiologische Datenanalyse von prä- und postoperativen Bilddateien in der Knieendoprothetik entwickelt und validiert werden. Erstmals soll eine untersucherunabhängige Qualitätskontrolle zur Verfügung stehenund die Qualität der Versorgung von Patienten mit Kniegelenkstotalendoprothesen verbessert werden.

Behandlungsstrategien für den einzelnen Patienten

Die Zusammenführung sämtlicher relevanter Patientendaten auf einer Datendrehscheibe wird klinische Prozessanalysen erleichtern und Datenanalysen großer Patientenkohorten vereinfachen. Vollautomatisierte, KI-basierte Algorithmen werden einerseits den klinischen Alltag erleichtern, andererseits die Datenqualität für klinische Forschung und nationale Register verbessern. Dies ermöglicht die Entwicklung von Behandlungsstrategien für den einzelnen Patienten unter Berücksichtigung seiner Nebenerkrankungen.

Nebenerkrankungen und Mangelernährung stellen bei Patienten aktuell ein hohes Risiko für Komplikationen dar. Mit Digitalisierungsstrategien soll eine longitudinale Datenerfassung erreicht werden. Dies führt zu einem Mehrwert für die Gesamtbehandlung des jeweiligen Patienten oder die Verbesserung der Versorgung eines gesamten Patientenkollektivs.

Kontaktperson

Prof. Dr. Andreas Nüssler
Eberhard Karls Universität Tübingen

aiqnet@bgu-tuebingen.de
+49 7071 606 1065

Eberhard Karls Universität Tübingen

Department of Traumatology
Siegfried Weller Institute, BG Clinic

Schnarrenbergstr. 95
72076 Tübingen

bg-kliniken.de/klinik-tuebingen/