Universitätsklinikum Leipzig - ICCAS

Digitale Patientenmodelle als Informationsquelle für KI-Entscheidungsunterstützung in der Therapie von Wirbelsäulenerkrankungen

Für die Verbesserung der Patientenversorgung werden “Digitale Patientenmodelle” entwickelt, welche in Kombination mit KI-Algorithmik eine Entscheidungsunterstützung in der Therapieplanung bei Patienten mit Wirbelsäulenerkrankungen ermöglichen sowie eine Qualitäts- und Leistungsbewertung von u.a. Wirbelsäulenimplantaten unterstützen.

Verbesserte Patientenversorgung

In der klinischen Behandlung werden täglich eine große Menge an Patientendaten generiert, erfasst, gespeichert, verarbeitet und analysiert, um für den Patienten eine bestmögliche Behandlung zu gewährleisten. Derzeit sind einzelne patientenspezifische Informationen unstrukturiert als Fließtext bzw. Bild in unterschiedlichen Primärsystemen und medizinischen Geräten gespeichert, sodass es nahezu unmöglich ist, mit wenig personellem Aufwand einen allumfassenden Überblick über alle zu dem Zeitpunkt erhobenen Befunde, Untersuchungen sowie Verlaufsbeobachtung zu erhalten. Aufgrund der Komplexität medizinischer Daten sowie fehlender Schnittstellen und einer gemeinsamen Datenbasis ist eine ganzheitliche Betrachtung bzw. eine statistische Auswertung der Daten derzeit nicht oder nur sehr eingeschränkt möglich. Zudem besteht das Problem in den Kliniken, dass aktuell nicht für alle Drittanbieter (z.B. Wirbelsäulenregister der DWG) Übertragungsschnittstellen zum einfachen datenorientierten Austausch zur Verfügung stehen und die notwendigen Informationen im Drittanbieterprogramm manuell von behandelnden Ärzten eingegeben werden müssen. Die Annahme ist, dass KI-basierte Algorithmen bessere Ergebnisse liefern können, wenn Sie mit einem breiten Vorwissen über die zu bearbeitende Problematik versorgt werden. Diese Daten liegen in den Kliniken aktuell stark verteilt und nicht in jedem Fall digital vor. Relevant sind nach aktuellem Stand sowohl Informationen über den Patienten (Alter, Vorerkrankungen, Risiken, usw.) als auch Informationen über die an ihm durchgeführte Behandlung (Art des Eingriffes, Methode, genutztes Implantat, usw.) und die zugrundeliegende Erkrankung (normaler Behandlungsverlauf, Komorbiditäten, etc.). Diese Daten sollen in eine gemeinsame Informationsbasis integriert werden, sodass diese für die KI-Auswertung und Entscheidungsunterstützung nutzbar werden und zur Verbesserung der Patientenversorgung sowie der medizinischen Prozessabläufe beitragen können.

Lösungsansatz

Ziel ist die KI-gestützte Therapieplanung bei Wirbelsäulenerkrankungen und eine klinische Qualitäts- und Leistungsbewertung von Implantaten, bzw. die Verbesserung des Behandlungsverlaufs basierend auf dem Vorwissen über den Patienten. Die klinischen, epidemiologischen und radiologischen Daten müssen aus unterschiedlichen Quellen in digitalen Patientenmodellen zusammengeführt, strukturiert und relevante Parameter durch die KI automatisch extrahiert werden. Dazu werden aufbereitete Daten wie Patientenparameter, Bilddaten, Gerätedaten, Dokumente oder Prozessdaten zur unterstützenden Therapieplanung sowie Bewertung und Trendvorhersage/Risikoklassifikation des Behandlungserfolgs als auch der Einschätzung der Leistungsfähigkeit eines Implantats herangezogen.

Klinische Erkenntnisse und Entlastung im klinischen Alltag

Basierend auf Auswertungsalgorithmen soll eine Verbesserung der klinischen Anwendbarkeit der Daten sowie die Implementierung spezifisch erhobener Daten in Register, Studien und zur Zertifizierung ermöglicht werden. Dies soll zur Effizienzsteigerung der Datenerfassung und -analyse sowie zur Verbesserung der klinischen Behandlung der Patienten beitragen. Die digitalen Patientenmodelle werden als Informationsbasis für die KI-Algorithmik zur Leistungsbewertung herangezogen, sodass klinische Fragestellungen und Berücksichtigung verschiedener Parameter (bzgl. der Behandlung und der Prozesse, des Patienten sowie der vorliegenden Krankheit und Komorbiditäten) umfassend beantwortet werden können. Durch das Zusammenspiel der Modelle und der KI-basierten Bildanalyse lassen sich die Ergebnisse in einen gemeinsamen Kontext setzen. So kann beispielsweise die spezifische Standzeit eines Implantats in Abhängigkeit vom Alter des Patienten und dessen Vorerkrankungen in Relation gesetzt werden.

Kontaktperson

Juliane Neumann

juliane.neumann@iccas.de

Universitätsklinikum Leipzig

Innovationszentrum für Computerassistierte Chirurgie – ICCAS

Liebigstraße 18, Haus B
04103 Leipzig

www.uniklinikum-leipzig.de