Neues KI-Modell revolutioniert die Vorhersage von Druckgeschwüren, rettet Leben und senkt Kosten

Das Zeitalter der künstlichen Intelligenz hat vielfältige Innovationen und Erfindungen in unterschiedlichsten Bereichen ermöglicht. So hat beispielsweise das Gesundheitswesen dank der Technologie einen enormen Aufschwung erlebt. Weltweit nutzen Gesundheitssysteme die Technologie verstärkt, um Leben zu retten und die Kosten für Diagnose und Behandlung deutlich zu senken.

Dekubitus beispielsweise ist in den USA eine ständige Quelle von Schmerzen und Kosten für Patienten. Diese Erkrankung, auch bekannt als Druckgeschwür, tritt hauptsächlich im Krankenhaus auf und ist laut der US-amerikanischen Agentur für Gesundheitsforschung und -qualität (AHRQ) der zweithäufigste Grund für Arzthaftungsklagen in Amerika. Die Kosten für die Behandlung der akuten Bedürfnisse von Patienten mit Druckgeschwüren belaufen sich auf über 26 Milliarden US-Dollar – eine schier unvorstellbare Summe.

Fortschrittliches Risikobewertungsmodell vorgestellt

Die Rechtsstreitigkeiten und die damit verbundenen Kosten haben Forscher dersteemJohns Hopkins University und des Universitätsklinikums Cleveland dazu veranlasst, zusammenzuarbeiten und maschinelle Lernverfahren zur Entwicklung neuer Modelle zur Vorhersage von Druckgeschwüren zu erarbeiten. Das neue Risikobewertungsmodell hat aufgrund seiner Genauigkeit von mindestens 74 % – einer Steigerung von 20 % gegenüber bestehenden Methoden – große Bekanntheit erlangt. Die Braden-Skala, die seit den 1980er-Jahren verwendet wird, ist bekanntermaßen zeitaufwändig und belastend für das Pflegepersonal am Patientenbett.

Das neue Modell, die sogenannte prädiktive Analyse, bietet eine hervorragende Möglichkeit, Pflegekräfte und andere Mitarbeiter im Gesundheitswesen zu entlasten, indem es Tätigkeiten wie die Risikobewertung automatisiert. Das Modell senkt zudem die Kosten erheblich, da die Risikobewertung pro Patient 5 bis 15 Minuten in Anspruch nehmen kann. In einer Einrichtung mit 500 Betten summiert sich dies schnell auf 250 Arbeitsstunden pro Tag. Das entspricht einer jährlichen Einsparung von mindestens 30.000 bis 90.000 Arbeitsstunden.

Förderung von Chancengleichheit im Gesundheitswesen und verbesserten Behandlungsergebnissen

Die Forscher analysierten Daten von mindestens 35.000 Patienten, die über fünf Jahre in zwei Krankenhäusern stationär behandelt wurden, und konnten so das Risiko im Zeitverlauf umfassend untersuchen. Anschließend setzten sie Verfahren des maschinellen Lernens wie Random Forests und neuronale Netze ein, um Veränderungen und Risiken bei Dekubitus zu ermitteln und das finale Modell zu entwickeln. Dieses Vorhaben stellt einen Quantensprung in der Medizintechnik dar, da Forscher und Krankenhäuser die Möglichkeiten der künstlichen Intelligenz (KI) optimal nutzen wollen. Der Einsatz von KI eröffnet der Medizin völlig neue Perspektiven und könnte Krankenhäusern und Patienten zu besseren Diagnosen und Behandlungen lebensbedrohlicher Erkrankungen wie Dekubitus verhelfen. 

Originalquelle: Britische medizinische Fachzeitschrift