Sepski: Datengetriebene KI-Systeme zur individualisierten Früherkennung und Behandlungsoptimierung von Sepsis in Krankenhäusern
- Laufzeit: 01.01.2022 - 01.03.2023
Zuwendungsgeber: Ministerium für Wissenschaft und Gesundheit, RlP
Prof. Dr. Maik Kschischo
Hochschule KoblenzSepsis, umgangssprachlich auch Blutvergiftung genannt, ist eine lebensbedrohliche Komplikation
bei Infektionen, u.a. auch bei schwer verlaufenden COVID-19 Infektionen, bakteriellen Infektionen
oder bei Virusgrippe. Mit ca. 75.000 Todesfällen pro Jahr ist Sepsis die dritthäufigste Todesursache
in Deutschland. Dramatische gesundheitliche Folgen gibt es aber auch bei Überlebenden. Die
Stärke der Folgeschäden und die Überlebenschancen verbessern sich mit einer frühzeitigen Diagnose und
einer schnellen und gezielten Therapie. Allerdings ist die frühe Diagnose oft schwierig und ärztliche
Entscheidungen über optimale Therapien sind nicht immer leicht zu treffen.
Im Projekt soll mit Methoden der Künstlichen Intelligenz (KI) das Risiko einer Sepsis für Patienten
datengetrieben quantifiziert werden, um Patienten automatisiert beobachten zu können und ge-
fährdete Patienten rechtzeitig zu erkennen. Ferner sollen individualisierte optimale therapeutische
Strategien aus Krankenhausdaten abgeleitet werden, um eine computergestützte Entscheidungs-
unterstützung bei der Einleitung von Therapien mit oft starken Nebenwirkungen zu ermöglichen.
Perspektivisch soll dieses System auch mittels Active Learning neue relevante biochemische, klini-
sche und genomische Daten integrieren können, um die Vorhersage- und Vorschlagsqualität evi-
denzbasiert zu verbessern.
KI-Schwerpunktfelder des Forschungsprojekts
Grundlagenforschung
- Machine Learning (ML): (Semi) Supervised Learning, Bayesian Neural Networks, Model Based, Generative Models
- Knowledge-Based Systems: Causality