Genau hier setzt das Förderprojekt „KI-basiertes Assistenzsystem für eine zuverlässigere Priorisierung in der Notaufnahme“ (KIBATIN) an, das die Städtischen Kliniken gemeinsam mit den Projektbeteiligten DNC Information Management GmbH, Bcmed GmbH und Deutsches Forschungszentrum für Künstliche Intelligenz GmbH – Spech and Language Technology Lab ins Leben gerufen haben.

„Wir entwickeln zusammen mit den Projektbeteiligten ein Assistenzsystem, das Daten analysiert, die schon vom Rettungsdienst erhoben wurden. Dem Bundesministerium für Bildung und Forschung sind wir sehr dankbar für diese Chance und die bereitgestellten Mittel“, so Dr. Tobias Strapatsas, Projektverantwortlicher und Chefarzt der zentralen Notaufnahme in den Städtischen Kliniken Mönchengladbach.

Was genau verbirgt sich dahinter? 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.

Der innovative Ansatz liegt in der KI-basierten Erschließung von Daten an der Schnittstelle von Rettungsdienst und Notaufnahme für eine objektivere Triagierung der Notfälle. Eine transparente Darstellung von ausschlaggebenden Faktoren unterstützt eine vertrauensvolle Interaktion des Menschen mit dem KI-System. Das Projekt wird im Rahmen einer Fördermaßnahme des Bundesministeriums für Bildung und Forschung zu Interaktiven Technologien für Gesundheit und Lebensqualität im Rahmen des Förderschwerpunktes „KI-basierte Assistenzsysteme für prozessbegleitende Gesundheitsanwendungen“ gefördert. Das Projektvolumen beträgt 1,30 Mio. € und die Projektlaufzeit ist auf drei Jahre ausgelegt.

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.