Mehr Patientensicherheit bei Operationen durch KI
Während einer Operation können kritische Kreislaufveränderungen schwere Komplikationen auslösen. Im Projekt TRANSFER entwickeln Forschende der Charité ein KI-basiertes Unterstützungssystem, das solche Risiken frühzeitig erkennt und Ärzt:innen warnt – noch bevor sie eintreten. Ziel ist es, Patient:innen zu schützen und die anästhesiologische Versorgung weiter zu verbessern.
Das Bundesministerium für Forschung, Technologie und Raumfahrt fördert das Projekt TRANSFER mit mehr als zwei Millionen Euro. Beteiligt sind die Charité, ID Berlin, die SectorCon Ingenieurgesellschaft, das Deutsche Forschungszentrum für Künstliche Intelligenz, die Technische Universität Berlin und die Medical School Berlin.
Im Mittelpunkt steht die Entwicklung eines klinischen Unterstützungssystems auf Basis von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML). Das System soll medizinische Daten in Echtzeit analysieren und bereits im Voraus vor einem zu niedrigen Blutdruck (Hypotension) oder einer verminderten Durchblutung von Organen (Hypoperfusion) warnen. Denn: Kritische Situationen während einer Operation können mit einem erhöhten Risiko für Komplikationen wie Herzinfarkt, Nierenversagen und in schweren Fällen sogar mit einem lebensbedrohlichen Verlauf verbunden sein.
Bisherige Überwachungssysteme zeigen die Veränderungen des Herz-Kreislauf-Systems meist erst dann an, wenn das Ereignis bereits eingetreten ist. Das im Projekt TRANSFER zu entwickelnde klinische Entscheidungs- und Unterstützungssystem verfolgt einen neuen Ansatz: Es soll Risikomuster frühzeitig erkennen und die Anästhesiolog:innen dabei unterstützen, präventiv aktiv zu werden. So können Behandlungsentscheidungen noch gezielter und individueller getroffen werden.
Die Grundlage für diese medizintechnische Entwicklung bilden umfangreiche klinische Daten. Im Projekt werden rund 300.000 multimodale Routine-Datensätze aus digitalen Krankenhausinformationssystemen der Charité analysiert. Dazu gehören mehr als neun Millionen Datenpunkte, darunter Vitalparameter während der Anästhesie, biometrische Informationen sowie Angaben zur Medikation. Diese Daten ermöglichen es, ein leistungsfähiges KI-Modell zu trainieren, das komplexe Zusammenhänge erkennt und daraus präzise Vorhersagen ableitet.
Langfristig soll aus den Projektergebnissen ein Medizinprodukt entstehen, das in bestehende Krankenhausinformationssysteme integriert werden kann. Ziel ist es, diese Technologie künftig auch anderen Kliniken zugänglich zu machen – für mehr Patientensicherheit, eine individuellere anästhesiologische Versorgung und eine Medizin, die Risiken erkennt, bevor sie entstehen.
Mehr Informationen unter https://transfer-project.healthcare/de
