KoMed
Projekt im Forum Gesundheitsstandort
Künstliche Intelligenz soll künftig OP-Risiken vorhersagen
Forschende des Universitätsklinikums Heidelberg entwickeln den „Kognitiven medizinischen Assistenten“ (KoMed)
Es wäre nicht nur im Sinne der PatientInnen, sondern auch für MitarbeiterInnen im Gesundheitswesen eine große Hilfe, wenn sie bereits vor dem geplanten Eingriff möglichst konkret das jeweilige Komplikationsrisiko kennen würden. Bisherige Risiko-Scores – die z.B. Alter, Geschlecht und Vorerkrankungen berücksichtigen – bilden dies nur unzureichend ab. Für präzisere – und vor allem individuellere – Prognosen wollen WissenschaftlerInnen des Universitätsklinikums Heidelberg Methoden des Maschinellen Lernens nutzen. Im Rahmen des Projekts „Kognitiver medizinischer Assistent (KoMed)“ trainiert ein interdisziplinäres Team unter Leitung der Klinik für Anästhesiologie am UKHD einen Algorithmus, der klinische Daten von PatientInnen mit Methoden des maschinellen Lernens analysiert. Der KoMed soll in den Datensätzen Muster erkennen und neue Zusammenhänge identifizieren, die individuelle Risikoprofile ergeben. So kann sich das Behandlungs- und Operationsteam schon im Vorfeld entsprechend vorbereiten, vorbeugen, oder andere Therapiepfade einschlagen.
Steckbrief
Projektname: KoMed - kognitiver medizinischer Assistent
Start: 10. März 2020
Fördersumme: 2.049.739 Euro
(Für 2020/21 - 1. Förderrunde)
Projektleitung: UKHD
Schnittmengen: Digitalisierung, Präzisionsmedizin, Innovation und Translation
Link: Projektseite
Fragen an Projektleiter Privatdozent Dr. Jan Larmann:
Das Projekt „KoMed“ startete 2020. Wie ist der aktuelle Stand?
In den vergangenen beiden Jahren haben wir u.a. mit dem Team um Prof. Martin Dugas, Institut für Medizinische Informatik, umfangreiche technische Vorbereitungen getroffen und Entwicklungsarbeit geleistet.
Derzeit schließen wir gemeinsam mit dem Studienzentrum der Deutschen Gesellschaft für Chirurgie und dem Klinischen Studienzentrum Patientinnen und Patienten mit Hochrisiko-Eingriffen in die Heidelberger Perioperative Deep Data (HeiPoDD) Studie ein. Zu den Hochrisiko-Eingriffen zählen vor allem Operationen an lebenswichtigen Organen wie Bauchspeicheldrüse, Leber oder der großen Körperschlagader. Mit den klinischen Daten der Studienteilnehmenden erstellen wir eine qualitativ hochwertige Datenbank. Auf dieser Basis werden Algorithmen zur Risikovorhersage entwickelt.
Um den Datensatz zu ergänzen, werden zusätzlich sogenannte Proteom-Analysen anhand von Blutproben der PatientInnen durchgeführt: Diese geben einen Überblick über alle zum Zeitpunkt der Entnahme im Blutplasma vorhandenen Proteine und ermöglichen damit einen Einblick in Stoffwechselvorgänge.
Welche Komplikationen treten bei diesen Hochrisiko-Eingriffen am häufigsten auf?
Bei Hochrisiko-Eingriffen kommt es bei ungefähr jedem fünften Operierten zu Komplikationen. Hierzu zählen Blutungen, Nahtundichtigkeiten, Infektionen, Herz-Komplikationen oder Schlaganfälle. Dass auch Komplikationen an Organen auftreten, die nicht unmittelbar mit der Operation zu tun haben, liegt daran, dass der Eingriff Stress für den gesamten Organismus bedeutet. Das ruft eine vielschichtige Reaktion des Körpers hervor. Beispielsweise kommt es durch die Stressantwort zu einem erhöhten Sauerstoffbedarf des Herzens. Gleichzeitig verursacht eine Operation auch eine Veränderung im Gleichgewicht zwischen blutverdickenden und -verdünnenden Faktoren. Dies kann zu Blutungskomplikationen führen oder im Extremfall auch zu einem Verschluss der Herzkranzgefäße, was einen Herzinfarkt zur Folge haben kann.
Wie kann der „KoMed“ das in Zukunft konkret verhindern?
Für eine Vielzahl der Komplikationen gibt es bereits bekannte Risikofaktoren: Beispielsweise hat ein Patient mit einer bekannten Verengung der Herzkranzgefäße ein erhöhtes Risiko für einen Verschluss des Gefäßes unter der Belastung einer OP. Neben den bekannten Risikofaktoren gibt es aber auch zahlreiche unbekannte Variablen. Durch die gemeinsam mit dem Institut für Medizinische Biometrie geplante Analyse der Datenbank aus der HeiPoDD Studie sollen in Zukunft neue Risikofaktoren identifiziert werden. So könnten behandelbare Faktoren vor einer Operation verbessert werden, sodass weniger Komplikationen auftreten.
Eine gerade besonders aktuelle Herausforderung ist der Mangel an Blutkonserven. Daher planen wir in unserem Datensatz die Abläufe rund um notwendige Bluttransfusionen zu untersuchen. Ziel ist es, eine künstliche Intelligenz zu entwickeln, die anhand der im Vorfeld erhobenen Werte und Daten sehr genau voraussagen kann, wer während der OP eine Bluttransfusion benötigt und wer nicht. Damit werden wir in Zukunft die Möglichkeit haben, Bluttransfusionen genauer und effizienter zu planen, und leisten so einen Beitrag, um Versorgungsengpässe zu verhindern.