Assistenzsystem zur Prozessoptimierung in der Notaufnahme (APONA)

In den vergangenen Jahren ist die Zahl der Patientinnen und Patienten in den Notfallaufnahmen in Deutschland konstant gewachsen . Die daraus resultierende Überbelegung von Notaufnahmen und die damit die  Gefahr der inadäquaten, nicht an die medizinische Notwendigkeit angepassten Patientenversorgung, wird in der wissenschaftlichen Literatur weltweit und auch in Deutschland intensiv diskutiert. Außerdem führt eine nicht optimale Ressourcennutzung zu langen Wartephasen entlang des gesamten Aufenthaltes und damit zur Unzufriedenheit von Patienten und damit gleichermaßen des Klinikpersonals. Neben strukturellen Maßnahmen zur Regulation des Patientenzustroms, die außerhalb des Krankenhauses wirken, hat die Prozessoptimierung innerhalb der Notaufnahme großes Potential. Das klassische Vorgehen der Notfalldiagnostik und -therapie besteht aus einer Summe von Einzelprozessen, die bei unzureichenden Ressourcen jeweils auf die medizinische Dringlichkeit abgestimmt werden und bei denen Verzögerungen jedes einzelnen Prozessschrittes die Verweildauer und die Arzt-/Patientenbindungszeit verlängert. Nach stattgefundener Notfalldiagnostik und -therapie kommt es gehäuft zu Verzögerungen bei Verlegungen sowohl auf Normal- als auch Intensivstationen, so dass die Notfallpatienten prolongiert in der Notaufnahme verbleiben und Ressourcen binden. Sowohl die Übergänge zwischen den einzelnen Diagnostik- und Behandlungsschritten als auch die Behebung der Ressourcenbindungen könnten durch früher verfügbare Informationen über potenzielle Nachfolgebehandlungen und nötige Behandlungsinstrumente verbessert werden. Ein Assistenzsystem soll Lösungen für die hier aufgezeigten Herausforderungen bieten. In diesem Anwendungsfall fällt eine klassische informatische Spezifikation des Problems schwer. Es wird ein intelligentes System benötigt, dass einen hohen, über Studien einschätzbaren Nutzen bringt. Zu etablieren ist durch das beantragte Projekt die bestmögliche Anwendung von Technologien aus der Wissenschaft der Künstlichen Intelligenz (KI), z.B. zur Vorhersage der im Verlauf benötigten Ressourcen, basierend auf historischen und aktuellen Daten in der Notaufnahme, so dass der Gesamtprozess optimiert werden kann.

Konkretes Ziel ist es, durch den Einsatz von KI-Technologie die Prozessabläufe in der Notaufnahme in Bezug auf personelle, räumliche und technische Ressourcen zu optimieren. Das zu entwickelnde intelligente Assistenzsystem soll Entscheidungsträger und Prozessbeteiligte dabei unterstützen, Entscheidungen zu verbessern und eine effizientere Planung zu ermöglichen. Hervorzuheben ist, dass es sich nicht um den klassischen „Clinical Decision Support“ handelt, (bei dem gezielt die Diagnostik für bestimmte Krankheiten verbessert werden soll,) sondern um ein System, dass insgesamt die Prozessabläufe und die damit verbundene Ressourcenplanung optimiert. Die dafür benötigten Daten liegen bereits separiert in Krankenhausinformationssystemen vor und müssen im Rahmen des Projektes nutzbar gemacht werden. Die nachfolgende Abbildung enthält eine graphische Darstellung der zehn typischen Prozessschritte in der Notfallaufnahme.

In diesen einzelnen Schritten können sowohl Daten anfallen, die eine Planung im späteren Verlauf ermöglichen als auch für Analysen und Vorhersagen genutzt werden, um die Versorgung selbst oder den Übergang an Schnittstellen zu beschleunigen und zu verbessern.

Ein konkretes Beispiel: Eine 85-jährige Patientin wird mit Luftnot in die Notaufnahme eingeliefert. Im Rettungswagen wurde die Verdachtsdiagnose einer Lungenentzündung gestellt. Weitere mögliche Hypothesen sind eine Lungenarterienembolie, eine dekompensierte Herzinsuffizienz oder eine exazerbierte COPD. Beim Eintragen der Daten in das Krankenhausinformationssystem werden unter Berücksichtigung der Vordiagnosen bereits jetzt Vorhersagen getroffen, welche weiteren Behandlungen notwendig sind.  Das intelligente Assistenzsystem erkennt hier die  ca. 80prozentige Wahrscheinlichkeit eines stationären Aufenthaltes und die 95prozentige Wahrscheinlichkeit einer Röntgenuntersuchung. Eine intensivmedizinische Behandlung ist nur zu 15 Prozent anzunehmen. Sowohl Röntgen-MTA als auch Belegungskoordination werden informiert und können Vorbereitungen treffen. Die ärztliche Untersuchung ergibt Wassereinlagerungen in den Beinen. Die Röntgendiagnostik in Schritt 4 ergibt, dass auch Wassereinlagerungen in der Lunge vorhanden sind. In dieser Befundkonstellation, zusammen mit den eingetroffenen Laborwerten, verwirft das intelligente System die Verdachtsdiagnose „Lungenentzündung“ und schlägt eine dekompensierte Herzinsuffizienz als wahrscheinlichste Diagnose vor. Es werden ein EKG und eine Ultraschalluntersuchung des Herzens als weitere Diagnostikmittel mit hoher Nutzungswahrscheinlichkeit vorgeschlagen. Die entsprechende Wahrscheinlichkeit für einen stationären Aufenthalt ist damit auf 99 Prozent angestiegen. Demzufolge können die Intensivstationen entwarnt werden. Die Dauer für den stationären Aufenthalt wird auf sieben Tage geschätzt und eine entsprechende Planung vorgenommen. Durch die repetitive Analyse dieser dynamisch entstehenden Informationen erscheint zudem neben der operativen Prozessoptimierung auch eine automatisierte Einschätzung medizinischer Risiken möglich, z.B. in Bezug auf kritisch kranke Patienten, . Dies führt neben einer Optimierung von Abläufen auch zu einer Verbesserung der Versorgung und steigert so zusätzlich die Patientensicherheit.

Architektonisch bedarf es eines KI-gestützten Assistenzsystems, das historische Daten nutzt, um bestimmte Diagnose- und Behandlungsmuster zu lernen, damit dann für jeden einzelnen neuen Patienten Vorhersagen über Behandlungsschritte, vorzuhaltende Kapazitäten und nötige Vorbereitungen in den Folgeprozessschritten zu treffen sind. Diese Vorhersagen werden typischerweise im Zeitverlauf des Prozesses exakter, weil mehr Informationen über den Patienten und die Diagnose vorliegen. Unter Nutzung von probabilistischen Vorhersagen können so in Echtzeit aggregierte Bedarfe an alle Beteiligten in den einzelnen zehn Prozessschritten übermittelt werden. Ein Vorteil für das Klinikpersonal ist eine bessere Planbarkeit der Arbeitsabläufe. Für die Patienten reduziert sich die Wartezeit und es erhöhte sich auch die Behandlungsqualität. Dies führt insgesamt zu einer gesteigerten Zufriedenheit und hochwertigeren Gesundheitsversorgung.

Das oben beschriebene Projekt ist eine Kooperation aus UKSH, DFKI und Singular IT und wurde dankenswerterweise vom Land Schleswig-Holstein finanziell großzügig unterstützt.