Drei Beispiele für Optimierungen mit Big Data und KI im Krankenhaus

Ein Drittel der damals Befragten stellten fest, dass zumindest zum Teil mehr Technologie eingesetzt wurde. Vielerorts wurden bestehende Digitalisierungsbestrebungen offensiver vorangetrieben, so dass viele Krankenhäuser sich nun auch für die Mehrwerte interessieren, die aus der Analyse von Echtzeitdaten entstehen. Nach eine Umfrage des Industrieverbands Bitkom aus dem Jahr 2021 gaben 82 Prozent der Ärzte in Krankenhäusern an, „es sei mehr Tempo beim Ausbau digitaler Angebote nötig“. Lösungen, die Künstliche Intelligenz (KI) und Daten nahezu in Echtzeit einsetzen, ermöglichen in einer Reihe von Anwendungsfällen teils drastische Verbesserungen. Drei der spannendsten Fälle werden hier vorgestellt.

Überwachung von Diabetes-Patienten

Einige Ärzte nutzen zur Früherkennung von Diabetes bereits heute Analysen aus dem Kernspintomographen (MRT). Anhand der Fettverteilung im Körper können sie schnelle Diagnosen erstellen und dadurch Behandlungsempfehlungen geben. Jeder Diabetes-Patient sammelt jährlich selbst Daten. Bis zu 100.000 Glukosemessungen werden pro Jahr pro Patienten erhoben. Sollten diese Daten zentral gesammelt und mit KI ausgewertet werden, könnten Ärzte bessere und schnellere Entscheidungen für die Behandlung der betroffenen Personen treffen. In Deutschland gibt es in der Altersgruppe 18 bis 79 Jahre 7,2 Prozent Diabetes Patienten, 2,1 Prozent (so wird vermutet) haben Diabetes, ohne es überhaupt zu wissen.

Advertisements

Ärzte und Pfleger unter Stress – muss das sein?

Nicht erst durch die Belastung in der Pandemie haben die Arbeitsintensität und der Stress von Ärzten und Pflegern deutlich zugenommen. Die Risiken, dass Patienten durch verzögerte Behandlungen, verschobene OPs und überlastete Labore leiden, sind hoch. Mit KI und Echtzeit-Datenanalysen könnten schnellere Diagnosen bei verschiedenen Krankheitsbildern durch Vergleichsdaten aus ähnlichen Fällen für eine bessere Patientenbehandlung und im Anschluss zu einer schnelleren Genesung führen. Ein Beispiel dafür ist die App imitoWound. Sie kann durch die automatische Erkennung von Wunden und einer qualitativen und quantitativen Charakterisierung den Ärzten eine geeignete Behandlung vorschlagen. Das Projekt wurde vom Zentrum für Wunden und Wundheilung an der Hochschule für Gesundheit Genf (HEdS-Genf), das Interprofessional Center for Simulation, die Computer Science Abteilung der Universität Genf und der imito AG entwickelt und auf den Schweizer Markt gebracht.

Ein Datenschatz wartet auf Hebung

Durch ihre Sensoren bergen Smartwatches, Fitnesstracker und andere Wearables zahlreiche Potentiale, um Gesundheitsdaten schnell und unproblematisch an Ärzte zu schicken. Es fehlt noch an den Analysefertigkeiten. 3.2 Millionen Smartwatches sind laut Statista in Deutschland im Einsatz. Sie messen Herzfrequenz, Puls und einige sogar die Sauerstoffsättigung, alles im Ernstfall wichtige Informationen für Ärzte, die das Leben eines Patienten im Falle eines Schlaganfalls retten müssen. Die weitere Entwicklung könnte hier noch viele weitere Möglichkeiten schaffen, bei denen Gesundheitsdaten durch KI und Datenanalysen in nahezu Echtzeit Patienten eine schnellere und zielgenauere Behandlung und Ärzten und Pflegern weniger Stress durch aufwendige und langwierige Tests bereiten würden.

Fortschritt auf Basis einer Lakehouse-Architektur

Wie bereits beschrieben, können Daten und KI das deutsche Gesundheitssystem verändern. Eine fundierte Datenanalyse ist jedoch nur möglich, wenn die richtige Datenarchitektur vorhanden ist – eine offene Architektur, die es Gesundheitsorganisationen ermöglicht, strukturierte, unstrukturierte und halbstrukturierte Daten an einem Ort zu verwalten. Diese Datenarchitektur, wie sie beispielsweise Databricks anbietet, wird als Data Lakehouse bezeichnet und ermöglicht es bereits vielen Gesundheitsorganisationen auf der ganzen Welt, Krankheitsrisiken vorherzusagen, medizinische Bilder zu klassifizieren und die Entwicklung neuer Medikamente zu beschleunigen. Andere Datenarchitekturen, wie Data Warehouses, sind für den Gesundheitssektor zu teuer, da sie die Bereitstellung von Analyseergebnissen in Echtzeit, die für wichtige Versorgungsentscheidungen benötigt werden, behindern und oft zu komplex und kostspielig zu verwalten sind.

Fazit: Vielversprechende Potenziale

KI und Echtzeit-Datenanalysen, unterstützt durch eine Lakehouse-Architektur, können die Möglichkeiten der Patientenversorgung in Deutschland immens verbessern. Moderne Technologien und die über Jahre angesammelten Daten – teils von den Patienten selbst erhoben – heben nicht nur Optimierungsschätze, sondern fördern auch die Gesundheit der Patienten selbst. Die Behandlung kann durch schnellere Diagnosen und durch weniger gestresstes Personal deutlich verbessert werden.

Bildquelle: Getty Images / iStock / Getty Images Plus

https://www.it-zoom.de/it-director/e/drei-beispiele-fuer-optimierungen-mit-big-data-und-ki-im-krankenhaus-30999/

Leave a Reply