KIP-SDM

KI-Modelle im Pflegebereich Sturz Prädiktion und Erstellung eines pseudonymisierten Datenrepositories

Das Gesamtziel des Verbundes ist die Vereinfachung des Datenzugangs für Pflegepersonal sowie für KI-Forschende im Anwendungsfall Sturzprävention. Das Pflegepersonal profitiert so von einer neuartigen KI-Lösung zur Risikoabschätzung und intuitivem Zugang zu relevanten Patientendaten. KI-Forschende profitieren von der vereinfachten Entwicklung auf sonst schwer zugänglichen Daten und der schnelleren Integration in Krankenhausinformations-(KIS-)Systeme.
Zentrale Idee ist dabei die Erstellung eines dezentralen Datenrepositorys pflegerischer Behandlungsdaten (aus den Gebieten Sturz, Delir, Medikation) aus zwei großen pflegerisch-tätigen Institutionen und einem Startup.

Sie befinden sich hier:

Motivation

Jährlich gibt es knapp 5 Millionen registrierte Sturzereignisse in Deutschland. Vor allem für älteren Personen können die Folgen und Komplikationen langwierig und verheerend sein. Die jährlichen Kosten für Sturzbehandlungen belaufen sich auf mehr als 500 Millionen Euro. Dabei sind bis zu 30% aller Stürze präventiv verhinderbar (Hshieh et al. 2018).

Systeme, die Künstliche Intelligenz (KI) verwenden, analysieren Risikofaktoren, prognostizieren individuelle Sturzrisiken und könnten so für Pflegende die Sturzprävention digital unterstützen. Bestehende Systeme berücksichtigen jedoch oft nicht alle relevanten Risikofaktoren (Seibert et al. 2020). KI-basierte Sturzprävention beruht beispielsweise oft auf Ganganalysen obwohl das Sturzrisiko bei vielen Patient:innen schon bei der Einnahme der Hälfte der Tagesdosis von Hypnotika und Sedativa um 56 Prozent erhöht ist.
Medikationsdaten sind jedoch oft nicht verfügbar für den Einsatz in KI-Systemen, da der Zugang zu den Daten technisch und rechtlich komplex ist. Das Potential KI-basierter Systeme für die Sturzprävention wird somit bisher nicht voll ausgeschöpft.

Innovation

Zur Wahrung der Privatsphäre der Patient:innen werden Patientendaten die jeweilige Einrichtung nie verlassen. Stattdessen werden generative Deep Learning Modelle auf den Patientendaten der beteiligten Einrichtungen gelernt, die realistische Patientendaten erzeugen können. Diese generativen Modelle werden in standardisierte Laufzeitumgebungen, realisiert durch Docker-Container, eingebettet und können unter den Einrichtungen sowie mit externen KI-Forschenden geteilt werden.

Die Nutzung von Privacy-Preserving dezentralen Deep Learning Ansätzen erlaubt es so, realistische Daten zur Verfügung zu stellen, ohne echte Patientendaten zu teilen. Gleichzeitig erlaubt die Bereitstellung einer standardisierten Laufzeitumgebung die schnelle Entwicklung von KI-Anwendungen extern sowie Datenanalyse vor Ort in den Pflegeeinrichtungen unter einheitlichen Bedingungen ohne Integrationsaufwand.

Die Bereitstellung dieser neuartigen Infrastruktur erlaubt nun erstmalig die Entwicklung und Verprobung einer leitlinienkonformen KI-basierten pflegerischen Sturzprävention über mehrere Einrichtungen hinweg.