Beim Shadowing werden Mitarbeiterinnen und Mitarbeiter von Krankenhäusern durch Data Scientists aktiv in ihrer täglichen Arbeit begleitet und mittels strukturierter Fragebogen befragt. Ziel ist die Identifikation von Potentialen für den Einsatz von Data Science, Big Data und Künstlicher Intelligenz im klinischen Alltag. Im Rahmen von Stakeholder-Workshops werden zunächst vielversprechende Fachbereiche für ein Shadowing ausgewählt. Die vor- und nachbereitete Vor-Ort-Begleitung ermöglicht die detaillierte Beschreibung von Einsatzmöglichkeiten sowie deren Abhängigkeiten untereinander. Anschließend werden die erhobenen Use Cases in eine Umsetzungs-Roadmap und einen Maßnahmenkatalog überführt, um langfristige positive Veränderungen anzustoßen.

Das Projekt LOTTE entwickelt Einsatzszenarien für Künstliche Intelligenz (KI) im Gesundheitswesen, speziell in der Notfallversorgung. Im Fokus stehen KI-Technologien, die in der Frühphase der Versorgung lebensbedrohlich verletzter Patienten eine schnellere, sicherere und von der persönlichen Erfahrung des Behandlers unabhängigere Entscheidungsfindung ermöglichen. Der Schockraum eines Krankenhauses ist der zentrale Ort der Versorgung schwerverletzter Personen. Ein eingespieltes Team aus den Gebieten der Unfallchirurgie, Neurologie, Radiologie, Anästhesie, Pflege sowie weiteren Bereichen koordiniert die Aufnahme und Behandlung der Patient*innen. Dabei spielen eine effiziente Kommunikation, übersichtliche Datenlage sowie strukturierte Behandlungsablauf eine wesentliche Rolle. Doch schon vor der Übergabe durch die Notärztin muss auf die Verfügbarkeit aller medizinisch-relevanten Informationen und die Verständigung mit der Leitstelle geachtet werden. Innerhalb des Projektes werden konkrete Einsatzmöglichkeiten für Künstliche Intelligenz entwickelt und aus medizinischer, rechtlicher, ökonomischer und technische Perspektive bewertet. Bei allen Einsatzmöglichkeiten steht eine Entscheidungsunterstützung des ärztlichen und pflegerischen Personals mit dem Ziel einer verbesserten  Behandlungsqualität im Vordergrund. Besonders relevante Szenarien umfassen die automatische Dokumentation der Abläufe im Schockraum durch Methoden des Natural Language Processing (NLU), die Risikoeinschätzung für OP-Komplikationen auf Basis von Registerdaten sowie ein Leitlinien-Interface für den Abgleich der Behandlungsabläufe mit wissenschaftlichen Leitlinien.