Referenzprojekte

AutoPiLoT

Automatisierte leitlinienkonforme Patientenindividuelle Blutprodukt-Zuordnung und smartes Logistikmanagement in der Transfusionsmedizin

In Deutschland werden täglich ca. 15.000 Blutkonserven benötigt. Allein im Universitätsklinikum Essen werden jährlich etwa 45.000 Blutprodukte transfundiert. Der Verbrauch und Bedarf von Blutprodukten kann jedoch von Tag zu Tag erheblich variieren. Es ist notwendig, eine dem Bedarf entsprechende Anzahl von Blutprodukten zur Verfügung zu haben, um eine bedarfsgerechte und zeitnahe Patientenversorgung zu gewährleisten. Gleichzeitig ist ein optimaler Umgang mit den Blutprodukten, die durch eine kurze Haltbarkeit gekennzeichnet sind, ethisch und ökonomisch bedeutend.

Das AutoPiLoT-Projekt ist ein Gemeinschaftsprojekt, das in einer Partnerschaft zwischen dem Institut für Transfusionsmedizin und dem Institut für Künstliche Intelligenz in der Medizin des Universitätsklinikums Essen und der Fachhochschule Dortmund durchgeführt wird. In diesem Rahmen werden KI-basierte Ansätze zur automatisierten, patientenindividuellen Blutprodukt-Zuordnung und zu einem optimierten Logistikmanagement in der Transfusionsmedizin implementiert. Dies beinhaltet:

 

• Die Entwicklung von Vorhersagemodellen, die den patientenindividuellen, stationsspezifischen, und klinkweiten Verbrauch von Blutprodukten prognostizieren.
• Die Entwicklung eines Expertensystems, das ärztliches Fachpersonal  bei der leitliniengerechten und patientenindividuellen Blutprodukt-Zuordnung unterstützt.
• Die Entwicklung eines Empfehlungssystems, das basierend auf individuellen Patienteneigenschaften und historischen Vergleichsfällen weitere Blutprodukte für Transfusionspatienten empfiehlt.

Forschungsprojekt LOTTE

Leitsystem zur Optimierung der Therapie traumatisierter Patient*innen bei der Erstbehandlung

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 technischer 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.

WisPerMed

Wissens- und datenbasierte Personalisierung von Medizin am Point of Care

Dank der zunehmenden Digitalisierung in der Medizin werden immer mehr Daten verfügbar, etwa in elektronischen Patientenakten, durch Laboranalysen oder auch in Behandlungsleitlinien. Eine Herausforderung besteht darin, dass in diesen sehr verschiedenartigen Daten enthaltene Wissen am Behandlungsort für konkrete einzelne Therapieentscheidungen verfügbar und nutzbar zu machen. Existierende klinische Informationssysteme ermöglichen zwar das Sammeln und Speichern wichtiger Informationen, aber in der Regel relativ unstrukturiert und ohne individuelle, kontextbezogene Zusammenstellung der für eine Behandlungsentscheidung relevanten Fakten.

Ziel des Graduiertenkollegs ist die Ausbildung von Nachwuchsforscherinnen und -forschern aus den Fächern Medizininformatik, Informatik, Statistik, Epidemiologie und Psychologie, so dass sie einen ganzheitlichen Überblick über den Forschungsstand zur wissens- und datenbasierten Personalisierung von medizinischen Entscheidungsprozessen erhalten und interdisziplinär neue Methoden entwerfen und prototypisch am Beispiel des malignen Melanoms implementieren lernen. Hierzu werden in neuartiger Weise Methoden aus den Gebieten Informationsextraktion, Wissensrepräsentation mit maschinellen Lernverfahren und Erkenntnissen zur Nutzerinteraktion am Point of Care (PoC) kombiniert. Durch fächerübergreifende Maßnahmen, insbesondere durch Hospitationen in der Hautklinik, werden Verständnisbarrieren zwischen den Disziplinen abgebaut.

Einzigartig für ein Graduiertenkolleg ist die institutionsübergreifende Kooperation zwischen der FH Dortmund, der Universität Duisburg-Essen und der Universitätsmedizin Essen, die auf einer bereits über einen gemeinsamen Studiengang Medizininformatik bestehenden Zusammenarbeit aufgebaut ist. Die Antragstellerinnen und Antragsteller repräsentieren zusammen eine breite Expertise in den Fachgebieten medizinische Informatik, Bioinformatik, Epidemiologie, künstliche Intelligenz, Psychologie, Radiologie und Melanomforschung.

Absolventinnen und Absolventen unseres Programms werden in die Lage versetzt, führende Rollen im Digitalisierungsprozess des Gesundheitswesens einzunehmen und mit Hilfe von Verfahren der künstlichen Intelligenz Behandlungswege unter Berücksichtigung der direkten Rückmeldung und Erfahrung der behandelnden Ärztinnen und Ärzte weiter zu verbessern.

NeoSmartNest

Lagerungs- und Monitoringsystem für Frühgeborene

In Deutschland werden etwa 9% aller Neugeborenen (Jahr 2016) vor der 37. Schwangerschaftswoche geboren und gelten damit als Frühgeborene. Weltweit werden jährlich 15 Millionen Babys zu früh geboren. Auf den neonatologischen Intensivstationen sind die Frühgeborenen einer Vielzahl unphysiologischer Reize ausgesetzt, wie z.B. grelles Licht, Lärm und Schmerzreize, auf welche die Frühgeborenen mit vermehrter Stressreaktion reagieren, welche wiederum ihre Entwicklung beeinträchtigt. 

Lagerungsbedingt haben die Frühgeborenen ein erhöhtes Risiko für Dekubitus und Schädeldeformitäten. Die Vielzahl an diagnostischen Kabeln neben therapeutisch notwendigen Schläuchen und Sonden erschwert die Pflege und beeinträchtigt die Eltern-Kind Bindung, unter anderem durch das aufwendige Handling für das Känguruhen auf der elterlichen Brust. Sowohl das Entfernen der Elektroden, als auch die lokale Hauttemperaturerhöhung durch aktuell verwendete Sensoren können aufgrund der unreifen Haut schwerwiegende Hautverletzungen hervorrufen, die in der Akutsituation zu Schmerzen und Infektionsrisiko führen und langfristig als dauerhafte Narben sichtbar bleiben.

Ziel des Projektes ist es, einen modularen Prototypen zu entwickeln, der sowohl die Lagerung, als auch das Monitoring, die entwicklungsfördernde Pflege der Frühgeborenen und die Möglichkeiten des Eltern-Kind-Bondings optimiert. Hierzu werden eine sensorische Lagerungsmethode sowie »Smart Textiles« entwickelt, über welche die Vitalparameter erfasst werden und damit die Anzahl an diagnostischen Kabeln reduziert werden können. Dem Lagerungsmodul soll Aktorik, z.B. zur sanften Umlagerung sowie entwicklungsfördernde, möglichst intrauterinen Reizen entsprechende Stimuli, integriert werden. Hierüber sollen ebenfalls elterliche akustische Stimuli eingebaut werden, um Eltern wie Frühgeborenen neben dem Känguruhen weiteres Bonding zu ermöglichen.

Enterprise Innovation Campus

Kreativer Freiraum für Innovationen abseits vom Tagesgeschäft

Co-Working im Rahmen eines »Enterprise Innovation Camps« ist ein agiles Format für Innovation und Wissenstransfer. Abseits vom Tagesgeschäft können innovative Ideen und kreative Wege zur Erschließung neuer Märkte und Technologien entwickelt werden.

Innerhalb des Campus erkunden und entwickeln Domänenexpert*innen gemeinsam mit Wissenschaftler*innen die technische Umsetzung ihrer Ideen zu den Prototypen oder Proof-of-Concept. Der Wissenstransfer steht dabei im Mittelpunkt.

Sie möchten sich am Markt als Innovationsführer im Bereich Künstliche Intelligenz etablieren? Das Enterprise Innovation Campus Programm bietet dafür neben Innovation, Agilität, Teamwork und Interdisziplinarität eine hohe Fachkompetenz und die Möglichkeit zur Weiterbildung. Der Medical NLU.Campus beispielsweise ist eine spezialisierte Ausprägung dieses erfolgreichen Konzeptes mit besonderem Anwendungsschwerpunkt von NLU-Methoden im Bereich Healthcare.