ELISE

ELISE

Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin

Project partners

Funding

Finanzielle Förderung durch den Bund (BMG)

Summary

News

Kurzbeschreibung
Die pädiatrische Intensivmedizin stellt einen hoch wissens- und erfahrungsbasierten Bereich dar, in denen der Evidenzgrad niedrig und die diagnostischen und therapeutischen Maßnahmen hohe individuelle Abweichungen aufweisen, die die Behandlung der kritisch kranken Kinder erschweren.
Das Projekt „Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin“ (ELISE) widmet sich der Beantwortung der Frage, in wie weit digitale Entscheidungsunterstützungssysteme zur Optimierung des diagnostischen und therapeutischen Arbeitsablaufes in der pädiatrischen Intensivmedizin beitragen können.

Als Zielkriterien der Anwendung, die in diesem Projekt entwickelt werden soll, wurden wichtige klinische Zustände ausgewählt, die die Mortalität und Morbidität bei pädiatrischen Intensivpatient_innen bestimmen. Als Grundlage dieser Diagnosemodelle dienen die international anerkannten Definitionen von Sepsis, SIRS, Organdysfunktion und Organversagen. Diese Diagnosemodelle sollen für die Generierung von Trainingsdatensätzen genutzt werden, um mit den Methoden des maschinellen Lernens Prädiktionsmodelle für diese Zielkriterien zu entwickeln. Überdies hinaus können mit solchem Ansatz möglicherweise auch Hinweise auf bislang nicht erkannte Zusammenhänge in der Pathogenese der unterschiedlichen Erkrankungen sichtbar gemacht werden. Durch die direkte Einbindung des Anbieters des genutzten Patientendatenmanagementsystems (PDMS) (m.life; medisite) einerseits und die Bereitstellung einer offenen Demonstrator-Applikation andererseits, soll die zeitnahe Implementierung der Diagnose- und Prädiktionsmodelle in die klinischen Routineabläufe gewährleistet und die Nachhaltigkeit der Arbeiten garantiert werden.

Hintergrund
Die Intensivmedizin steht kontinuierlich vor der Herausforderung, lebensbedrohliche Erkrankungsprozesse sicher und frühzeitig unter einem hohen Stresslevel und Zeitdruck zu erkennen und zu antizipieren. Diese Situation verschärft sich im pädiatrischen Fachbereich durch den Mangel an Evidenz, die Seltenheit und Heterogenität der zugrundeliegenden Erkrankungen, die Vielfalt der altersspezifischen normativen Werte, sowie die ungenügende Beachtung von Aspekten der Gendermedizin. Es entstehen individuelle Variationen von Diagnose- und Behandlungsansätzen, ohne ein ausreichendes Feedback über ihren langfristigen Erfolg zu erhalten. Ein systematisches Erlernen neuer Aspekte direkt aus der klinischen Routine, das zu einer Verbesserung der Patientenversorgung führen könnte, ist nur schwer erreichbar.

Es stellt sich die Frage, ob
(1) praxiskompatible, klinische Entscheidungsunterstützungssysteme (Clinical Decision-Support Systems, CDSS) zu einer Unterstützung des klinischen Personals, einer Optimierung des diagnostischen und therapeutischen Arbeitsablaufs und damit zu einem größeren Behandlungserfolg auf pädiatrischen Intensivstationen (PAK/PAI) beitragen
können, und ob

(2) diese Systeme, wenn sie auf Routinedaten basierend in den Versorgungsprozess eingebunden werden, eine solch angestrebte Selbstlernfähigkeit erwerben können, um direkt aus dem Erfolg oder Misserfolg getätigter Maßnahmen potentielle Verbesserungen im Diagnose- und Therapieprozess zu erreichen.

Das Projekt „Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin” (ELISE) widmet sich der Beantwortung dieser Fragestellungen, indem praxiskompatible CDSS-Konzepte für die Vorhersage unterschiedlicher Organdysfunktionen (bzw. Multiorgandysfunktion), unterschiedlicher Organversagen (bzw. Multiorganversagen) und assoziierter schwerer Kreislaufinsuffizienz in der Folge von Sepsis und SIRS (Systemisches Inflammatorisches Response-Syndrom) entwickelt und evaluiert werden.

Ergebnisse

Publikation

Duration

01.10.2020 - 30.09.2023

Staff