Digital healthcare – Datenanalyse im Dienste des Patienten

DI Dr. Günter Schreier

Digital Health Information Systems
Foto: AIT AUSTRIAN INSTITUTE OF TECHNOLOGY

Dr. Diether Kramer

Data Scientist (KAGes)
Foto: ZVG

Die Herausforderung in Bezug auf die Verarbeitung von Datenmengen, Patientendokumentation und effektive Patientenbehandlung liegt u.a. im richtigen Einsatz neuer Technologien. Die Steiermärkische Krankenanstaltengesellschaft m.b.H. (KAGes) erarbeitete gemeinsam mit dem Austrian Institute of Technology (AIT) einen Algorithmus zur Unterstützung der betreuenden Personen und Patienten innerhalb eines Behandlungspfades.

Die Steiermärkische Krankenanstaltengesellschaft m.b.H. (KAGes) verfügt über einen fast einmaligen Datenschatz: Durch eine frühzeitige, konsequente Digitalisierung und das große Versorgungsgebiet verfügt die Gesellschaft über die nahezu vollständigen Krankengeschichten der Patienten aus dem Versorgungsbereich, der fast 90 Prozent der Steiermark umfasst. Auf dieser Grundlage werden Algorithmen entwickelt, um auf Basis von Methoden des maschinellen Lernens Prognosen zum voraussichtlichen Behandlungsverlauf abgeben zu können.

Ziel der Prognosemodelle ist es, die Gesundheitsversorgung zu verbessern. Algorithmen für das Auftreten eines Delirs beziehungsweise die wahrscheinliche Notwendigkeit eines postoperativen Intensivaufenthalts sind bereits im klinischen Betrieb. Ziel ist es, anhand dieser Prognosen Risikopatienten frühzeitig zu erkennen und so präventive Behandlungen einzuleiten. Der Patient wird also aufgenommen, die bereits vorhandenen Patientendaten werden analysiert, neue Daten und Messwerte der Untersuchungen hinzugefügt, anschließend aufbereitet und dem Modell übergeben. Anhand der Prognoserechnung wird festgestellt, ob der Patient im Laufe seines Aufenthaltes ein Delir entwickeln wird.

Neben der Delir-Prognose erarbeitet die KAGes noch zahlreiche Module, die teilweise noch in Entwicklung sind und teilweise bereits in Anwendung (z.B. Dysphagie-Risiko, Sturz Risiko, Risiko einer kardiologischen Erkrankung, Progression von nephrologischen Erkrankungen uem.).

Jene Parameter, die zur Prognose geführt haben, werden in einer eigenen Web-Anwendung angezeigt und ermöglichen eine individuelle Betrachtung des Patienten und seiner Risiken. Auf Basis zuverlässiger statistischer Vorhersagealgorithmen ist es möglich, bei potenziellen Risikopatienten präventiv Maßnahmen zu ergreifen. Damit können nicht nur die Gesundheitssysteme durch Abmildern und Vermeiden von Komplikationen und deren Spätfolgen entlastet, sondern vor allem die Gesundheit und die Lebensqualität der Patienten verbessert werden.