Bei PAIRS geht es für Tiplu auf die Zielgerade: Noch bis November diesen Jahres beschäftigt sich Tiplu im Rahmen des durch das BMWK geförderten Forschungsprojektes mit datenbasiertem Krisenmanagement im Gesundheitswesen und bringt hier die eigene Expertise im Bereich der Entwicklung von Gesundheitstechnologien, Künstlicher Intelligenz und der intelligenten Verarbeitung und Nutzung medizinischer Daten ein.
Resilienz des Gesundheitswesens stärken
Insbesondere die Corona-Pandemie hat verdeutlicht, wie wichtig eine schnelle und informationsbasierte Entscheidungs- und Handlungsfähigkeit in Krisensituationen für die Politik, die Gesellschaft und die Wirtschaft ist. Tiplu arbeitet im Rahmen des PAIRS-Projektes daher seit rund drei Jahren an einem kombinierten Aufbau eines Frühwarnsystems für Epidemien und eines Systems für die spezifische mittelfristige Materialbedarfsprognose eines Krankenhauses. So sollen im Krisenfall notwendige Ressourcen schnell zur Verfügung stehen und Kliniken allgemein in der realistischen Einschätzung ihres mittelfristigen Materialbedarfs unterstützt werden – denn zu oft gehen Bestellungen und Lieferungen aktuell am tatsächlichen Bedarf vorbei. Die bisher erreichten Zwischenergebnisse und Erkenntnisse des Projektes zeigen neben dem Potenzial für ein besseres Krisenmanagement und die Materialbedarfsplanung auch die grundlegende Umsetzbarkeit des Vorhabens.
Epidemieerkennung mittels Künstlicher Intelligenz
Die frühzeitige Erkennung von Epidemien soll durch die Detektion auffälliger klinisch-relevanter Häufungen in stationären Patientendaten in Echtzeit ermöglicht werden, sodass rechtzeitig eine Warnung erfolgen kann – etwa wenn sich bestimmte, in elektronischen Patientenakten vorliegende, auffällige Laborwerte in einem oder mehreren Krankenhäusern häufen. So sollen Infektionskrankheiten frühzeitig erkannt werden. Hierfür werden die Daten einer Region über aktuell vier Gebiete in Deutschland (Nord/Süd/Ost/West) aggregiert. Die Warnungen bleiben so bei gleichzeitiger Wahrung des Datenschutzes räumlich darstellbar.
Hierfür nutzt Tiplu die Möglichkeiten des Maschinellen Lernens (ML): ML-Systeme können Muster aus vorliegenden Datensätzen lernen. Darauf aufbauend haben sie das Potenzial, aus Datenbeständen relevante Informationen zu erkennen, Vorhersagen zu treffen oder Wahrscheinlichkeiten für bestimmte Ereignisse zu berechnen. Im Zuge des PAIRS-Projektes werden krankenhausübergreifend neuronale Netze trainiert, die Auffälligkeiten in den Patientendaten erkennen. Der Ansatz des föderierten Lernens stellt dabei die strikte Einhaltung datenschutzrechtlicher Grundlagen im Umgang mit den sensiblen Patientendaten sicher: ML-Modelle werden lokal in einzelnen Kliniken trainiert, sodass die genutzten Daten das jeweilige Krankenhaus nicht verlassen. Anschließend werden ausschließlich die erzielten Lernfortschritte als anonyme Zahlenketten zentral zusammengeführt und der Vorgang wiederholt, um schrittweise weitere und präzisere Muster zu erlernen.
Krankenhausbezogene Materialbedarfsplanung
Die Materialbedarfsprognose soll den mittelfristigen Materialbedarf eines Krankenhauses vorhersagen. Die Projektpartner Bisping Medizintechnik GmbH und stonegarden technologies haben im Rahmen des PAIRS-Projekts für einzelne Prozeduren die spezifisch benötigten Materialien identifiziert und diese den entsprechenden Operations- und Prozedurenschlüsseln (OPS-Kodes) zugeordnet („gemappt“). Parallel ermittelt Tiplu mittels statistischer Modelle auf Basis der elektronischen Patientenakte krankenhausspezifisch die erwartete Anzahl der in der Klinik anfallenden Prozeduren (OPS-Kodes). Aus der statistischen Vorhersage zukünftig anfallender Prozeduren lässt sich dann gemeinsam mit dem gemappten Materialbedarf für einzelne Prozeduren(gruppen) eine krankenhausbezogene Materialbedarfsprognose ableiten. Das Universitätsklinikum Gießen und Marburg (UKGM) ist in diesem Projekt Entwicklungspartner.
Besseres Krisenmanagement und Versorgungssicherheit in der Praxis
Präsentationen des Projektstandes vor Fachpublikum stießen bereits auf großes Interesse und regten auch den Austausch über eine produktive Nutzung und Skalierung der Projektergebnisse an. Detaillierte Ergebnisse und Erkenntnisse werden nach Abschluss des Projektes Ende 2024 veröffentlicht.
Über PAIRS
Bei PAIRS (“Privacy-Aware, Intelligent and Resilient CrisiS Management”) arbeitet ein Konsortium verschiedener Unternehmen und Institutionen gemeinschaftlich an einer Plattform für Krisenmanagement. Sie soll Krisen zukünftig iterativ lernend bereits in deren Entstehungsphasen identifizieren und datengestützte Handlungsempfehlungen bereitstellen. Deutschland soll hierdurch – insbesondere auch als Wirtschaftsstandort – in Zukunft optimal auf Krisensituationen vorbereitet und für deren Bewältigung gestärkt werden. Besonders die Künstliche Intelligenz bietet hier interessante Möglichkeiten. Neben dem Gesundheitswesen liegen weitere Schwerpunkte des PAIRS-Projektes in den Bereichen Produktion, Logistik, Supply-Chain-Management, sowie der Energieversorgung.
