Digitale Entscheidungsunterstützungssysteme zur Optimierung des diagnostischen und therapeutischen Arbeitsablaufes in der pädiatrischen Intensivmedizin

Kurzbeschreibung
Die pädiatrische Intensivmedizin stellt einen hoch wissens- und erfahrungsbasierten Bereich dar, in denen der Evidenzgrad niedrig und die diagnostischen und therapeutischen Maßnahmen hohe individuelle Abweichungen aufweisen, die die Behandlung der kritisch kranken Kinder erschweren.
Das Projekt „Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin“ (ELISE) widmet sich der Beantwortung der Frage, in wie weit digitale Entscheidungsunterstützungssysteme zur Optimierung des diagnostischen und therapeutischen Arbeitsablaufes in der pädiatrischen Intensivmedizin beitragen können.

Als Zielkriterien der Anwendung, die in diesem Projekt entwickelt werden soll, wurden wichtige klinische Zustände ausgewählt, die die Mortalität und Morbidität bei pädiatrischen Intensivpatient_innen bestimmen. Als Grundlage dieser Diagnosemodelle dienen die international anerkannten Definitionen von Sepsis, SIRS, Organdysfunktion und Organversagen. Diese Diagnosemodelle sollen für die Generierung von Trainingsdatensätzen genutzt werden, um mit den Methoden des maschinellen Lernens Prädiktionsmodelle für diese Zielkriterien zu entwickeln. Überdies hinaus können mit solchem Ansatz möglicherweise auch Hinweise auf bislang nicht erkannte Zusammenhänge in der Pathogenese der unterschiedlichen Erkrankungen sichtbar gemacht werden. Durch die direkte Einbindung des Anbieters des genutzten Patientendatenmanagementsystems (PDMS) (m.life; medisite) einerseits und die Bereitstellung einer offenen Demonstrator-Applikation andererseits, soll die zeitnahe Implementierung der Diagnose- und Prädiktionsmodelle in die klinischen Routineabläufe gewährleistet und die Nachhaltigkeit der Arbeiten garantiert werden.