Machine Learning Pilotprojekt in Schweizer Notfallstation

17.11.2021

Immer mehr Krankenhäuser erkennen die Wichtigkeit strukturierter Daten im klinischen Alltag: Statt Informationen zu Anamnese, körperlicher Untersuchung oder Diagnostik als Fliesstext zu dokumentieren, bringt es viele Vorteile, diese strukturiert zu erfassen. Dies wird spätestens dann offensichtlich, wenn die erhobenen Daten für statistische Auswertungen oder die klinische Forschung benötigt werden. Viele zukunftsträchtige Technologien, wie z.B. der Einsatz von Machine Learning Algorithmen, erfordern sehr grosse Mengen an strukturierten Daten. Von einem solchen Projekt möchten wir in diesem Blog-Artikel berichten.

Enormes Potential durch strukturierte Daten

Das Spital Limmattal hat das Potenzial strukturierter Datenerhebung früh erkannt und als eines der ersten Schweizer Krankenhäuser sein Notfallzentrum mit sublimd ausgerüstet. Seit der Einführung vor drei Jahren sind mittlerweile Daten von fast 90’000 Patienten durch die die universell einsetzbare Software-Plattform für Digital Health von sublimd verarbeitet worden. Diese Daten stehen dem Krankenhaus jetzt zur Verfügung, um bestehende Prozesse zu analysieren und zu optimieren.

Neben einer konventionellen Nutzung des Datenmaterials für statistische Auswertungen eröffnen sich bei solch grossen Datenmengen (Big Data) auch Möglichkeiten im Bereich des Machine Learnings (ML). Gemeinsam mit dem Spital Limmattal haben wir uns deshalb entschieden, ein schweizweit einzigartiges Pilotprojekt zu lancieren: Mit einem Machine Learning-Modell soll die Auslastung des Notfallzentrums während den nächsten 24 Stunden vorausgesagt werden.

Zur Bewältigung dieser Aufgabe haben wir auf den Einsatz eines künstlichen neuronalen Netzwerks gesetzt (Deep Learning). Als Input erhält das Modell verschiedene bei der Triage erhobene Informationen, sowie Anzahl der Patienten im Wartezimmer und in den Behandlungszimmern. Zusätzlich werden dem neuronalen Netzwerk der aktuelle Monat, Wochentag und die Uhrzeit bereitgestellt.

Vorgängig wird das Modell mit dem vorhandenen Datensatz der letzten drei Jahren trainiert. Während des Live-Betriebs wird dieses mit Echtzeit-Daten des Notfallzentrums versorgt, um daraus die zu erwartende Auslastung abzuleiten.

Gleichmässigere Verteilung der Patientenströme als Ziel

Die berechnete Prognose wird vorerst nur dem Notfallpersonal auf dem zentralen Dashboard angezeigt. Stellen sich die Voraussagen als zuverlässig heraus, können diese in einem zweiten Schritt zusätzlich auf der Website des Notfallzentrums publiziert werden. Patienten mit weniger akuten Problemen bekämen so die Möglichkeit, lange Wartezeiten zu vermeiden, in dem sie ihren Besuch auf eine Zeit mit geringerem Patientenaufkommen verschieben. Neben den Patienten profitiert auch das Behandlungsteam der Notfallstation, da sich so die Patientenströme gleichmässiger verteilen und besser zu bewältigen sind.

Erste Auswertungen des Machine Learning-Modells zeigen vielversprechende Ergebnisse: Die Prognosen der Auslastung für die jeweils nächsten 24 Stunden (12 Einzelvorhersagen in 2-Stunden Abständen) waren mit einer durchschnittlichen Abweichung von ± 10 % sehr genau (entspricht ± 3 Patienten).

Die Vorhersage der Auslastung einer Notaufnahme ist nur eines von vielen zukunftsträchtigen Einsatzgebieten von Machine Learning. Neben der Prozessunterstützung haben solche Systeme auch das Potenzial, das Behandlungsteam von repetitiven und redundanten Arbeiten zu entlasten oder dieses bei schwierigen Entscheidungen zu unterstützen (Clinical Decision Support).

Voraussetzung für alle genannten Einsatzgebiete sind riesige Mengen an hochwertigen Daten. Je früher ein Krankenhaus beginnt, klinische Daten in strukturierter Form zu erheben, desto schneller kann es von den neuen, zukunftsgerichteten Möglichkeiten profitieren. sublimd liefert die hierzu notwendige Software.

Spital Limmattal

Das Spital Limmattal in Schlieren, Zürich, übernimmt die medizinische Grundversorgung im Limmattal und Furttal sowie in den angrenzenden Regionen und behandelt jährlich rund 80’000 Patientinnen und Patienten. Das interdisziplinäre Notfallzentrum sichert in Zusammenarbeit mit den hausinternen Spezialisten rund um die Uhr die Versorgung von akut kranken und verletzten Patienten.

sublimd

Wir entwickeln eine universell einsetzbare Software-Plattform für Anwendungen im Bereich Digital Health. Dank der strukturierten Datenerhebung werden administrative Arbeiten in Krankenhäusern auf ein Minimum reduziert, die Behandlungsqualität gesteigert und die klinische Forschung beschleunigt. Damit haben Ärztinnen und Ärzte wieder mehr Zeit für ihre Patienten.

sublimd bietet das mehrfach ausgezeichnete Produkt für verschiedene Anwendungsgebiete wie Notaufnahmen, Kliniken, Praxisketten und telemedizinische Use Cases an.