So haben die Ärztinnen und Pfleger eine Fülle von Daten zur Beurteilung des Gesundheitszustands der Patienten zur Verfügung. Dennoch ist es nicht einfach, aus diesen Informationen Prognosen zur weiteren Entwicklung des Zustands abzuleiten oder lebensbedrohliche Veränderungen weit voraus zu erkennen.
Forschende der ETH Zürich und des Inselspitals, Universitätsspital Bern, haben nun eine Methode entwickelt, welche die verschiedenen Vitalwerte sowie weitere medizinisch relevante Informationen über eine Patientin oder einen Patienten miteinander kombiniert. Dadurch kann ein kritisches Kreislaufversagen mehrere Stunden vor dem Eintreten vorausgesagt werden. Ziel ist es, in Zukunft mit der Methode die Vitalwerte im Spital in Echtzeit auszuwerten und das behandelnde Personal vorzuwarnen. Dieses kann somit frühzeitig geeignete Maßnahmen einleiten.
Die Entwicklung dieses Ansatzes ermöglichte ein umfangreicher Datensatz der Universitätsklinik für Intensivmedizin des Inselspitals. Diese begann 2005 als erste große Intensivstation in der Schweiz, detaillierte und zeitlich hochaufgelöste Daten von Intensivpatientinnen und -patienten in digitaler Form zu speichern. Für die Studie verwendeten die Forschenden Daten von 36'000 Aufenthalten auf der Intensivstation in anonymisierter Form und ausschließlich von Patientinnen und Patienten, welche damit einverstanden waren, dass diese Daten für Forschungszwecke verwendet werden.
Auf Initiative von Tobias Merz, Forschungsmitarbeiter, ehemals Leitender Arzt in der Intensivmedizin am Inselspital Bern und heute am Auckland City Hospital tätig, analysierten Forschende um die ETH-Prof. Gunnar Rätsch und Karsten Borgwardt diese Daten mit Methoden des maschinellen Lernens. "Die so entwickelten Algorithmen und Modelle konnten im genutzten Datensatz 90 Prozent aller Kreislaufversagen vorhersagen. In 82 Prozent aller Fälle erfolgte die Vorhersage mindestens zwei Stunden im Voraus, womit den Ärzten Zeit für eine Intervention geblieben wäre", sagt Gunnar Rätsch, Prof. für Biomedizininformatik an der ETH Zürich.
Für diese Arbeit standen den Forschern pro Patient mehrere Hundert unterschiedliche Messgrößen und medizinische Informationen zur Verfügung. "Wir konnten allerdings zeigen, dass bereits 20 Messgrößen für eine genaue Vorhersage ausreichen. Dazu gehören unter anderem Blutdruck, Puls, verschiedene Blutwerte, das Alter sowie die verabreichten Medikamente", erklärt Karsten Borgwardt, Prof. für Data Mining an der ETH Zürich.
Um die Qualität der Vorhersagen weiter zu verbessern, planen die Forschenden, Patientendaten weiterer großer Spitäler in künftige Analysen einzubeziehen. Zudem sollen der anonymisierte Datensatz sowie die Algorithmen und Modelle anderen Wissenschaftlern zur Verfügung gestellt werden.
Damit die Methode als Frühwarnsystem eingesetzt werden kann, ist weitere Entwicklungsarbeit nötig. Ein erster Prototyp existiert bereits, wie ETH-Prof. Rätsch sagt. Dessen Verlässlichkeit muss nun in klinischen Studien nachgewiesen werden.
MEDICA.de; Quelle: Eidgenössische Technische Hochschule Zürich (ETH Zürich)
