In der zentralen Notaufnahme muss es schnell gehen. Pflegepersonal, Ärztinnen und Ärzte müssen bei der Notfallversorgung innerhalb von zehn Minuten einschätzen wie dringlich Erkrankte behandelt werden müssen. Dies geschieht bereits seit vielen Jahren sehr routiniert im Zuge der sogenannten Triagierung – der Festlegung von Behandlungsprioritäten. Insbesondere auf Grund der häufig sehr hohen Auslastung in den Notaufnahmen kann diese schnelle Ersteinschätzung allerdings auch eine große Belastung sein.

Genau hier setzt das Förderprojekt „KI-basiertes Assistenzsystem für eine zuverlässigere Priorisierung in der Notaufnahme“ (KIBATIN) an, das die Städtischen Kliniken Mönchengladbach gemeinsam mit den Projektbeteiligten DNC Information Management, Bcmed und dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) ins Leben gerufen haben. „Wir entwickeln zusammen mit den Projektbeteiligten ein Assistenzsystem, das Daten analysiert, die schon vom Rettungsdienst erhoben wurden“, so Dr. Tobias Strapatsas, Projektverantwortlicher und Chefarzt der zentralen Notaufnahme in den Städtischen Kliniken Mönchengladbach.

KI-Assistenzsystem wird mittels Lernverfahren trainiert

Viele Rettungsdienste dokumentieren heute im Einsatz schon zunehmend digital auf Protokollen. Es gibt jedoch noch keinen Ansatz, um die erhaltenen Daten in der zumeist kurzen Zeit bis zum Eintreffen des Rettungsdienstes in der Klinik zu berücksichtigen. „Uns bleibt sehr oft nicht viel Zeit einzuschätzen wie kritisch der Zustand eines Patienten ist. Deshalb befassen wir uns damit wie wir diesen Prozess mithilfe von künstlicher Intelligenz optimieren können“, so Strapatsas weiter.

Das hybride KI-Assistenzsystem identifiziert relevante Informationen und schlägt eine Priorisierung der Notfälle mit einer nachvollziehbaren Begründung vor. Es setzt sich aus einer auf Expertenwissen basierenden und einer auf Datenanalyse gestützten Komponente zusammen. Erstere bietet eine hohe Präzision und Zuverlässigkeit und wird regelbasiert gesteuert. Der datengetriebene Ansatz erhöht die Abdeckung uns sichert die Ergebnisse ab, er wird mittels maschineller Lernverfahren trainiert.

Der Ansatz liegt in der KI-basierten Erschließung von Daten an der Schnittstelle von Rettungsdienst und Notaufnahme. Eine transparente Darstellung von ausschlaggebenden Faktoren unterstützt eine vertrauensvolle Interaktion des Menschen mit dem KI-System. Das Projekt wird im Rahmen einer dreijährigen Fördermaßnahme des Bundesministeriums für Bildung und Forschung mit 1,3 Millionen Euro unterstützt.