Medizin
Schwere Covid-19-Verläufe mit Künstlicher Intelligenz besser behandeln
Ein Verbundprojekt schafft die Grundlagen für eine frühe Vorhersage schwerer Verläufe. Das entlastet auch Intensivstationen.
Die Nutzung von Big Data soll künftig helfen, schwere Verläufe von Covid-19 früh vorherzusagen und individueller zu behandeln. Das ist das Ziel des Verbundprojekts CovidDataNet.NRW unter Leitung von Prof. Dr. Michael Adamzik vom Universitätsklinikum der Ruhr-Universität Bochum (RUB) Knappschaftskrankenhaus Bochum. Das Projekt wird mit rund 3,2 Millionen Euro vom NRW-Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie gefördert.
Intensivstationen entlasten
„Der Einsatz von Künstlicher Intelligenz und Big Data erlaubt es, die Betroffenen zukünftig von Anfang an individueller und zielgerichteter zu behandeln und so Leben zu retten“, erklärt Michael Adamzik, Direktor der Klinik für Anästhesiologie, Intensivmedizin und Schmerztherapie des Universitätsklinikums Knappschaftskrankenhaus Bochum. „So werden die Intensivstationen entlastet, weil sie sich auf solche Fälle konzentrieren können, die eine spezialisierte intensivmedizinische Behandlung erfordern.“
Das Projekt baut auf digitalen Strukturen zur Vernetzung zwischen den Partnern auf, die in einem vorangegangenen Projekt zum Thema Sepsis gefördert wurden. Parameter wie Blutdruck, Laktatwert oder die Körpertemperatur, die auf der Intensivstation erfasst werden, und Daten aus den Bereichen wie zum Beispiel Virologie, Immunologie oder Proteomics werden bioinformatisch aufbereitet und der Analyse durch die KI zugeführt. So werden sie zugänglich für maschinelle Lernverfahren, die Schlussfolgerungen daraus ableiten können. So können schwere Verläufe charakterisiert oder bisher nicht beachtete Patientenuntergruppen charakterisiert werden, die vielleicht von bestimmten Therapieoptionen besser profitieren.
„Ein wichtiger Arbeitsschritt ist, mit den beteiligten interdisziplinären Kooperationspartnern die Daten für eine aussagekräftige Auswertung aufzubereiten, also etwa fehlende Werte aufgrund biologischer Phänomene auszugleichen oder Abweichungen aufgrund von technischen Messungenauigkeiten zu normalisieren“, erklärt Privatdozent Dr. Martin Eisenacher, der für die Entwicklung der KI Algorithmen im Projekt sorgt.
