TRANSFER

TRANSFER ist ein zukunftsweisendes Projekt, das darauf abzielt, die Anästhesiologie durch den Einsatz von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) zu revolutionieren. Kernstück von TRANSFER ist die Entwicklung eines KI-basierten und in Echtzeit funktionierenden klinischen Unterstützungssystems (CDSS). Hierdurch soll es den Anästhesist:innen ermöglicht werden, präzise Prognosen und maßgeschneiderte Therapieempfehlungen während chirurgischer Eingriffe – allein in Deutschland etwa 16 Millionen pro Jahr - anzubieten.

Das Hauptaugenmerk von TRANSFER liegt dabei auf der Vorhersage eines zu niedrigen Blutdruckes (Hypotension) und Phasen einer eingeschränkten Kreislauffunktion/Durchblutung (Hypoperfusion). Die Notwendigkeit für TRANSFER ergibt sich aus der immer noch hohen Rate an hiermit verbundenen Komplikationen wie z.B. Herzinfarkt, Nierenversagen und Tod. Angesichts der Tatsache, dass die postoperative Sterblichkeit die dritthäufigste Todesursache in den Industrieländern ist, ist die Dringlichkeit eines Frühwarn- und CDSS evident. Dies gilt insbesondere für Patient:innen mit vorbestehenden Erkrankungen oder erhöhtem Risiko für Komplikationen, die der demographische Wandel in den nächsten Jahren mit sich bringen wird. Volkswirtschaftlich betrachtet, belegen Zahlen aus 2012, dass die Verlängerung eines Krankenhausaufenthaltes aufgrund nur einer postoperativen Komplikation etwa 5866 € kostet und jede weitere additiv synergistisch wirkt.

Die derzeitigen Überwachungssysteme ermöglichen es Anästhesist:innen jedoch nur auf solche Situationen zu reagieren, nachdem sie bereits eingetreten sind. Ein System, das mittels KI diese Episoden in Echtzeit vorhersagen könnte, würde ein neues Diagnoseverfahren für das Fachgebiet der Anästhesiologie bieten und dieses in das digitale Zeitalter vorantreiben. Im Rahmen des Projekts werden hierzu Daten aus 300.000 vielschichtigen (multimodal) Datensätzen der bestehenden (digitalen) Krankenhaus-Informationssysteme (KIS) von Patient:innen im Verlauf einer Operation integrativ analysiert. Diese umfassen mehr als 9 Millionen Datenpunkte (Vitaldaten während der Anästhesie, biometrische Daten, Daten zur Medikation, usw.) und bieten somit eine umfassende Grundlage zur Entwicklung eines KI-Modells. Dieses Modell kann zukünftig auch für andere Anwendungsfälle in der Anästhesiologie trainiert werden (Bsp.: Notwendigkeit einer Bluttransfusion).

Dieses System dient somit nicht nur der Patient:innensicherheit, sondern verbessert auch die anästhesiologische Behandlung des individuellen Patient:in (Präzisionsmedizin) und ermöglicht vorrauschauend (Präventionsmedizin) auf drohende Änderungen zu reagieren, um Komplikationen zu vermeiden. Die Erkenntnisse dieses Projektes sollen zukünftig in ein Medizinprodukt fließen, das für andere Kliniken kommerziell zugänglich gemacht wird und in bestehende KIS eingebunden werden kann.