Navigation

ICU-Cockpit: Wenn Rechner die Intensiv- und Notfallmedizin unterstützen

 

Das Projekt möchte eine grundlegende Entwicklung in der Notfall- und Intensivmedizin anstossen – und die Arbeitsweise im Klinikalltag bezüglich Diagnostik, Therapie und Risikomanagement wesentlich verbessern.

Projektbeschrieb (abgeschlossenes Forschungsprojekt)

Auf der neurochirurgischen Intensivstation wird seit 2014 in Kollaboration mit der ETH Zürich, IBM Research Rüschlikon und dem Industriepartner Supercomputing Systems das Projekt "ICU-Cockpit" entwickelt. Dabei erfasst modernste Informationstechnologie die Daten zahlreicher medizintechnischer Geräte in Echtzeit und einer Auflösung von bis zu 200 Hertz. Die Daten werden zeitsynchronisiert und verschlüsselt gespeichert. Nun geht es darum, dass ICU-Cockpit Artefakte in den Biosignalen erkennen und eliminieren kann. Ausserdem entwickeln wir Algorithmen zur Früherkennung epileptischer Anfälle und sekundärer Hirndurchblutungsstörungen.

Hintergrund

Die Halbwertszeit medizinischen Wissens beträgt wenige Jahre. Der Wissenszuwachs ist für Ärzte nicht mehr zu bewältigen. Zusätzlich nimmt in der "personalisierten Medizin" die Menge an vorhandenen Daten pro Patient exponentiell zu. In der Intensiv- und Notfallmedizin kommen noch Signale in Echtzeit von multiplen Sensoren im und am Körper hinzu. Diese Informationsflut kann – insbesondere in Notfallsituationen – nicht mehr zur raschen Entscheidungsfindung integriert werden.

Ziele

Basierend auf "Data-Mining", maschinellem Lernen und künstlicher Intelligenz werden die enormen Mengen an gespeicherten Daten dazu verwendet, komplexe pathophysiologische Zusammenhänge zu modellieren, um Algorithmen für Frühalarmsysteme und Therapieempfehlungen zu entwickeln.

Ergebnisse

Im vorliegenden Projekt wurden für mehr als 300 Patientinnen und Patienten Daten aus der Krankengeschichte, von Hirnbildern, Laborwerten und Biosensoren zusammen mit Bildern aus Videoüberwachung systematisch gesammelt. Diese Daten bildeten die Basis, um daraus Algorithmen für die folgenden drei Anwendungsfälle zu entwickeln:

    1. Alarme unterstützen auf der Intensivstation das medizinische Personal, damit dieses Schädigungen der Patientinnen und Patienten durch schnelles Erkennen und Reagieren auf kritische Situationen verhindern kann, aber nur wenn es nicht zu viele «falsche» Alarme gibt. Bewegungen z.B. des Patienten oder des Klinik-Personals führen zu unvorhersehbaren und signifikanten Artefakten in den von den Biosensoren erzeugten Signalen. Im Projekt wurden zwei Algorithmen erfolgreich entwickelt, um Fehlalarme zu reduzieren; der erste nutzt maschinelles Lernen, der zweite basiert auf Videoüberwachung, die das Ausmass der Bewegungen quantifiziert.

    2. Basierend auf einer Datenbank mit mehr als 100 Patientinnen und Patienten mit Subarachnoidalblutungen, einer bestimmten Art von Schlaganfall, konnten Algorithmen (random forest analysis, decision tree analysis) entwickelt werden, um drohende sekundäre Hirnverletzungen zu erkennen.

    3. Weiter konnten Algorithmen entwickelt werden, die epileptische Anfälle automatisiert erkennen. Diese basieren auf Videoüberwachung und Daten der Elektroenzephalographie.

Nach Validierung mit weiteren Datensätzen sollen die Algorithmen im Klinikalltag direkt in der Software implementiert werden, die beim Krankenbett läuft. Diese Systeme für die Entscheidungshilfe können die Therapie in der neurokritischen Versorgung verbessern und zu einem besseren Patientenergebnis in der Zukunft führen.

Bedeutung / Anwendung

Schon die Reduktion von Signal-Artefakten und Fehlalarmen erhöht die Patientensicherheit auf der Intensivstation. Das Erkennen von Risikokonstellationen und die Vorhersage kritischer Komplikationen erlauben es, früher therapeutisch zu intervenieren. Therapieentscheide, heute oft empirisch gefällt, werden durch Datenanalysen und aktuellstes medizinisches Wissen untermauert. Aus der Datenstromanalyse in Echtzeit entstehen neue pathophysiologische Erkenntnisse – und neues Wissen durch selbstlernende Systeme.

Originaltitel

ICU-Cockpit: IT platform for multimodal patient monitoring and therapy support in intensive care and emergency medicine

Projektverantwortliche

  • Prof. Emanuela Keller, Neurochirurgische Intensivstation, Neurochirurgische Klinik, Universitätsspital Zürich
  • Dr. Maria Gabrani, IBM Research GmbH, Cognitive Computing and Industry Solutions

 

 

Weitere Informationen zu diesem Inhalt

 Kontakt

Prof. Emanuela Keller Neurochirurgische Intensivstation, Neurochirurgische Klinik, Universitätsspital Zürich Frauenklinikstrasse 10 8091 Zürich emanuela.keller@usz.ch

Zu diesem Thema