Frühere Sepsis-Erkennung dank KI: AMPEL-Projekt erreicht Meilenstein

Die AMPEL (Analyse- und Meldesystem zur Verbesserung der Patientensicherheit durch Echtzeitintegration von Laborbefunden) wurde als digitale Infrastruktur entwickelt, die klinische KI-Anwendungen ermöglicht. Seit über fünf Jahren unterstützt das Projekt am Universitätsklinikum Leipzig das medizinische Personal in der Patientenversorgung durch Echtzeit-Erkennung kritischer Situationen.

Das AMPEL-Projekt hat ein KI-Modell entwickelt, das auf maschinellem Lernen basiert und eine frühe Sepsis-Erkennung ermöglicht. Dr. Daniel Steinbach erklärt: "Unsere Studie zur Vorhersage einer Sepsis anhand des kleinen Blutbildes wurde vom weltweit führenden Journal für Labormedizin 'Clinical Chemistry' angenommen."

Das AMPEL-Team war überrascht von den Ergebnissen, die zeigten, dass das kleine Blutbild oft für die Sepsis-Früherkennung genutzt werden kann. Dr. Steinbach sagt dazu: "Die ersten Ergebnisse zeigten, dass die entwickelten KI-Modelle häufig auf die Daten des kleinen Blutbildes zurückgreifen. Das sind Laborwerte, die immer da sind, aber selten beachtet werden."

Maria Schmidt betont die Verbesserung der Procalcitonin-Vorhersage durch die KI-Methoden: In ihrer Sepsis-Studie hätten sie nun zeigen können, dass man mit Methoden des maschinellen Lernens und in Kombination mit dem kleinen Blutbild die Aussagekraft von Procalcitonin deutlich verbessern könne.

Dr. Steinbach unterstreicht die Bedeutung der praktischen Anwendung: " In der Labormedizin kenne ich kein KI-Modell, das so ausführlich und aufwendig getestet wurde, wie jenes von uns veröffentliche Sepsis-Modell. Am Ende bleibt das trotzdem nur Theorie und erst die praktische Anwendung zeigt, ob und wie groß die Unterstützung dadurch wirklich ist." Das AMPEL-Projekt wird kontinuierlich weiterentwickelt und strebt eine breitere Anwendung in anderen Krankenhäusern an.

MEDICA.de; Quelle: Universitätsklinikum Leipzig AöR