KI kann Ärzten helfen, bessere Entscheidungen zu treffen und Leben zu retten
BerlinKünstliche Intelligenz und maschinelles Lernen unterstützen Ärzte dabei, schnellere und bessere Entscheidungen zu treffen. Eine Studie vom Mount Sinai Krankenhaus, veröffentlicht in der Zeitschrift Critical Care Medicine, zeigt, dass AI-Benachrichtigungen Ärzten helfen können, Patientenprobleme schneller anzugehen. Dies verbessert die Behandlungsergebnisse in Krankenhäusern.
Die Hauptstudie ergab einige bedeutende Ergebnisse:
- Die Patienten hatten eine 43% höhere Wahrscheinlichkeit, dass ihre Behandlung intensiviert wurde.
- Die Wahrscheinlichkeit des Todes unter den Patienten war signifikant geringer.
- Ärzte verabreichten mehr Medikamente zur Unterstützung von Herz und Kreislauf.
- Die Patienten hatten eine geringere Wahrscheinlichkeit, innerhalb von 30 Tagen zu sterben.
Dr. Matthew A. Levin, der Hauptautor, erklärt, dass ihr Ziel darin bestand zu untersuchen, ob KI-Warnungen den Bedarf an Intensivpflege reduzieren und das Sterberisiko im Krankenhaus senken könnten. Zuvor setzten sie traditionelle Methoden wie den Modifizierten Frühwarnscore (MEWS) ein. Dr. Levin betont jedoch, dass KI und maschinelles Lernen besser funktionieren als diese älteren Methoden. Sie sagen Gesundheitsprobleme genauer voraus und ermöglichen frühere Behandlungen, was mehr Leben rettet.
Die Studie umfasste 2.740 erwachsene Patienten in vier medizinisch-chirurgischen Abteilungen des Mount Sinai Krankenhauses in New York. Die Patienten wurden in zwei Gruppen aufgeteilt. Eine Gruppe erhielt Echtzeit-Benachrichtigungen über ihren Gesundheitszustand, die an Pflegekräfte, Ärzte oder ein Schnelleinsatzteam gesendet wurden. Die andere Gruppe erhielt ebenfalls Benachrichtigungen, diese wurden jedoch an niemanden weitergeleitet. Zeigten Patienten der Gruppe ohne Benachrichtigungen ernsthafte Gesundheitsprobleme, erhielten sie dennoch umgehend medizinische Hilfe.
Dr. David L. Reich, ein führender Studienautor, erläutert die Vorteile von Echtzeit-Benachrichtigungen durch maschinelles Lernen. Diese Modelle sind schnell und präzise und unterstützen bei klinischen Entscheidungen. Sie sorgen dafür, dass das richtige Team rechtzeitig beim richtigen Patienten ist. Dr. Reich bezeichnet diese Werkzeuge als 'ergänzte Intelligenz'. Sie beschleunigen die Einschätzungen durch Ärzte und Pflegepersonal und ermöglichen eine schnellere Einleitung von Behandlungen, um die Sicherheit der Patienten zu gewährleisten. Diese Maßnahmen zielen darauf ab, ein lernendes Gesundheitssystem zu schaffen.
Die Studie wurde aufgrund der COVID-19-Pandemie vorzeitig abgebrochen, doch inzwischen wird der Algorithmus in allen Intermediate-Care-Einheiten des Mount Sinai Krankenhauses eingesetzt. Diese Einheiten sind spezielle Bereiche für Patienten, die eine engmaschige Überwachung benötigen, aber stabil sind. Täglich überprüfen Intensivmediziner die 15 Patienten mit den höchsten Risikowerten und geben Behandlungsempfehlungen an das primäre Pflegeteam weiter. Mit der Zeit wird der Algorithmus durch die stetig zunehmenden Daten immer präziser.
Mount-Sinai-Forscher haben diesen Algorithmus zur klinischen Verschlechterung entwickelt. Darüber hinaus haben sie im Mount-Sinai-Gesundheitssystem 15 weitere AI-gestützte Tools für die klinische Entscheidungsunterstützung entwickelt und eingesetzt.
Die Studie wird hier veröffentlicht:
http://dx.doi.org/10.1097/CCM.0000000000006243und seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet
Matthew A. Levin, Arash Kia, Prem Timsina, Fu-yuan Cheng, Kim-Anh-Nhi Nguyen, Roopa Kohli-Seth, Hung-Mo Lin, Yuxia Ouyang, Robert Freeman, David L. Reich. Real-Time Machine Learning Alerts to Prevent Escalation of Care: A Nonrandomized Clustered Pragmatic Clinical Trial*. Critical Care Medicine, 2024; 52 (7): 1007 DOI: 10.1097/CCM.0000000000006243Diesen Artikel teilen