Use Case Universitätsklinikum Jena (Professur für Orthopädie), Waldkliniken Eisenberg

Generierung und Überprüfung wissenschaftlicher Hypothesen auf Basis von Routine-Patientendaten unter Anwendung Künstlicher Intelligenz

Neue wissenschaftliche Hypothesen werden mit einem auf Künstlicher Intelligenz (KI) basierenden „Werkzeug“ zur Systematisierung, Zusammenführung und Auswertung von Routine-Patientendaten generiert und bestehende Hypothesen auf Basis der entstehenden „big data“ überprüft. Basierend auf vorhandenen und zu programmierenden Standardschnittstellen werden die relevanten Rohdaten extrahiert und in eine Standarduniversalplattform übertragen.

Große Datenmengen unkompliziert und schnell bearbeiten

Nahezu sämtliche Patientendaten werden in Krankenhaussoftwarelösungen verwaltet, die auf Versorgung und Abrechnung und nicht auf eine Forschungstätigkeit ausgelegt sind. Konkret bedeutet das, dass

a) verschiedene Datenbanken und Softwarelösungen (Intensivpatientenverwaltung, Pflege- und Dokumentationssoftware und -datenbank, Laborsoftware und -datenbank, Bilddatenbank, etc.) parallel bestehen und diese nur unzureichend miteinander vernetzt sind
b) die Daten nicht in einer auslesbaren Form verwertbar vorliegen (z.B. eingescannte Befunde und Briefe mit Medikamenten- und Patientendaten, Nebendiagnosen, Angaben zur Wirksamkeit oder Schmerzintensität oder Nebenwirkungen, problematische Verläufe, Vorbehandlung, nichtausgewertete patientenbezogene Scores/Leistungsparameter (PROMs) oder aber in Form von nicht vermessenem radiologischem Bildmaterial) und
c) verschiedene abgeschlossene Softwarelösungen unterschiedlicher Anbieter auf dem Markt und in Krankenhäusern in Anwendung sind, wobei die Hersteller aus Marktvorteilsgründen bisher nicht an einer Vernetzung interessiert waren.
Somit entziehen sich über 80% der klinischen Daten für den medizinischen Erkenntnisgewinn. Für Forschungszwecke sind die Daten daher nur mit viel Mühe manuell zu extrahieren. Dies führt zu einem erheblichen Aufwand im Rahmen von Studien, was natürlich einerseits die Kosten pro Patient deutlich steigert (bis zu 20.000€/ Patient) und andererseits dazu führt, dass man sich auf die wesentlichen Patienten und Daten beschränkt, die potentiell die klinische Fragestellung beantworten können.
„Big data“ Analysen zu Fragestellungen sind zum aktuellen Zeitraum so gut wie nicht möglich bzw. aufgrund des großen Aufwandes nicht finanzierbar. Gleichzeitig steigen jedoch auch die Ansprüche des Datenschutzes, was ein zusätzliches Hindernis für die Vernetzung und Verarbeitung von Patientendaten darstellt.
Als Lösungsansatz dient hier das anhand der Ziele beschriebene „Werkzeug“ auf Basis künstlicher Intelligenzen (KIs). Diese neue Technologie ermöglicht es erstmals derartige Datenmengen unkompliziert und schnell zu bearbeiten. Primär ist es nicht das Ziel eine neue Software für alle im Krankenhaus eingesetzten Bereiche zu kreieren, sondern basierend auf vorhandenen oder zu programmierenden Standardschnittstellen die Rohdaten zu extrahieren und in eine Standarduniversalplattform zu übertragen.

Lösungsansatz

KI-Algorithmen werden zur automatisierten Extraktion und Plausibilisierung von Rohdaten aus Labor, PACS und KIS sowie zur automatisierten Vermessung von Röntgenbildern trainiert. Dies ermöglicht die Erstellung einer systematischen und durch eine KI auswertbaren Datenbank. Im Anschluss erfolgt die Validierung der Datenbank durch die Suche nach bereits bekannten Zusammenhängen zwischen den Daten sowie die Suche nach unbekannten Mustern als Hypothesen für wissenschaftliche Studien.

klinisch-wissenschaftliche Forschung vorantreiben

Das zu entwickelnde Werkzeug stellt einen enormen Wettbewerbsvorteil innerhalb der nationalen und internationalen klinisch-wissenschaftlichen Forschung dar. Es stärkt den Standort und erhöht die internationale Wettbewerbsfähigkeit durch potentielles Aufdecken von revolutionären Zusammenhängen. Dies führt automatisch zu einer Steigerung von Drittmittelprojekten und wachsenden Forschungsabteilungen innerhalb Deutschlands.

Zusätzlich werden durch das unkomplizierte Erfassen und Analysieren von Studiendaten aus den unterschiedlichen Krankenhausdatenbanken erhebliche Studienkosten pro Patient gespart. Kurz- und langfristig profitieren außerdem sowohl Patienten als auch klinisches Personal. Forschungsergebnisse führen zu einer verbesserten Diagnostik und Therapie und Ärzte und ihre Teams müssen weniger Zeit für die Erfassung und Analyse von für Studien notwendigen Daten aufwenden. Darüber hinaus werden auch die Effizienz und der Erfolg neuer Forschungsprojekte gesteigert, da die für diese Projekte notwendigen Hypothesen nicht frei erdacht sind, sondern sich automatisch aus der Analyse großer Datensätze ergeben.

Kontaktperson

Dr. Patrick Strube

Waldkliniken Eisenberg
Oberarzt Wirbelsäule

p.strube@waldkliniken-eisenberg.de
036691-81439

Universitätsklinikum Jena

Waldkliniken Eisenberg
Deutsches Zentrum für Orthopädie
mit Professur für Orthopädie am UKJ
Klosterlausnitzer Str. 81
07607 Eisenberg

www.uniklinikum-jena.de
www.waldkliniken-eisenberg.de