KI-augmentierte perioperative klinische Entscheidungsunterstützung, KIPeriOP

Auszug

Trotz medizinischer Fortschritte hat sich die perioperative Sterblichkeit im Rahmen einer Operation in westlichen Industrienationen in den letzten 10 Jahren kaum verändert und wird mit 0,5 % angegeben [1]. Insbesondere kardiovaskuläre und gerinnungsassoziierte Komplikationen sind typisch und in einem hohen Maß von patientenassoziierten Risikofaktoren abhängig. Medizinische Leitlinien liefern Vorgaben zur präoperativen Risikoevaluation [2, 3], werden jedoch in der klinischen Praxis aufgrund von Komplexität, Zeitdruck oder falscher Risikoeinschätzung oft nicht ausreichend befolgt [4]. Hier haben klinische Entscheidungsunterstützungssysteme („clinical decision support“, CDS) ein erhebliches Potenzial, Prozesse im medizinischen Alltag zu erleichtern, zu beschleunigen und die Präzision der Versorgung zu erhöhen. In einem Pilotprojekt wurde bereits ein CDS-Sub-Tool zur Optimierung des perioperativen Umgangs mit oralen Antikoagulanzien mit dem Ziel der Reduktion von Blutungsrisiken entwickelt [5]. Während der potenzielle Nutzen von CDS im Kontext der präoperativen Risikoevaluation in speziellen Patientengruppen gezeigt werden konnte [6, 7], wurden umfassende leitlinienbasierte CDS-Systeme noch nicht programmiert oder untersucht. Ein weiterer Grund für die oben genannte unzureichende Umsetzung von Leitlinien ist die mangelnde Evidenz. Um zusätzliche Evidenz zu generieren, sollen die mittels CDS-System erhobenen klinischen Daten und weitere Routineparameter mit Methoden des maschinellen Lernens und der Künstlichen Intelligenz (KI) analysiert werden. Das Ziel von KIPeriOP ist es, durch Entwicklung und Implementierung einer leitlinienbasierten Software zur klinischen Entscheidungsunterstützung die Versorgungsqualität im Kontext der präoperativen Risikoevaluation zu verbessern. Als primäre Hypothese wird die Erhöhung der Leitlinien-Adhärenz (in Form einer Reduktion unnötiger Zusatzuntersuchungen) verglichen mit dem Vorgehen ohne CDS-System formuliert. Es wird weiterhin untersucht, inwiefern ein auf dieser Basis entwickeltes, prädiktives KI-Modell perioperative Komplikationen zuverlässiger vorhersagen kann als etablierte Risiko-Scores und, ob aus diesem Modell neue wissenschaftliche Hypothesen für das perioperative Risikomanagement abgeleitet werden können. …