Maschinelles Lernen soll Intensivmedizin verbessern

Machine-Learning-Algorithmen sollen helfen, Leben zu retten. Diesen Plan verfolgt das Projekt "ICU-Cockpit" – als Teil des Nationalen Forschungsprogramms "Big Data" (NFP 75) des Schweizerischen Nationalfonds (SNF). Das Ziel: Die grossen Datenmengen aus der Intensivmedizin zu nutzen, um Verfahren für Frühwarnsysteme und therapeutische Empfehlungen zu entwickeln.

Die Patientensicherheit auf der Intensivstation liesse sich entscheidend verbessern, wenn man Fehlalarme reduzieren und kritische Komplikationen vorhersagen könnte, heisst es auf der Website des Forschungsprojekts. Wissenschaftler und Ärzte der neurochirurgischen Klinik am Zürcher Unispital arbeiten gemeinsam mit der ETH Zürich und IBM Research daran, das Forschungsvorhaben in der Praxis umzusetzen.

Auf einer Intensivstation generiert ein kritischer Patient bis zu 100 Gigabyte Daten pro Tag, wie es in einem Video des SNF heisst. Wie können Pflegepersonen und Ärztinnen daraus die relevanten Informationen herausfiltern? Und wie lassen sich Risikokonstellationen rechtzeitig erkennen?

Die von Biosensoren gesammelten Datenmengen würden anonymisiert und genutzt, um drei Anwendungsfälle zu entwickeln, sagt Projektleiterin Emanuela Keller im Video. Die Ziele der drei Anwendungen:

1. Fehlalarme auf der Intensivstation reduzieren

2. Komplikationen wie epileptische Krampfanfälle früher erkennen

3. Sekundäre Hirnschädigungen wie Hirnschläge früher erkennen

"Die Resultate des Projekts sind sehr erfreulich", sagt Keller. Für die drei Anwendungsfälle konnten die Forschenden Algorithmen entwickeln, die als nächstes im Rahmen einer klinischen Studie ausgiebig getestet werden sollen. Anschliessend sollen die Anwendungen im Alltag der neurochirurgischen Klinik des Zürcher Unispitals zum Einsatz kommen.