KISIK: KI-basierte Prognose- und Optimierungsverfahren in Assistenzsystemen zur effektiven und effizienten Steuerung der Intensivkapazität in deutschen Krankenhäusern

Abstract

Intensivstationskoordinatoren in deutschen Krankenhäusern müssen täglich mehrfach entscheiden, welche Patienten auf eine Normalstation verlegt werden können - bislang auf Basis manuell zusammengeführter Informationen ohne digitale Unterstützung. Das Verbundprojekt KISIK entwickelte ein KI-gestütztes Entscheidungsunterstützungssystem, das diesen Prozess durch automatisierte Datenintegration und patientenindividuelle KI-Prognosen verbessert. Die XITASO GmbH entwickelte in enger Zusammenarbeit mit der Universität Augsburg und dem Universitätsklinikum Augsburg (UKA) einen digitalen Assistenten, der den bisherigen physischen Laufzettel des Intensivstationskoordinators ersetzt. Die Anwendung integriert Prognosemodelle für Verweildauer, Wiederaufnahmewahrscheinlichkeit und Mortalität, die zunächst auf dem öffentlichen MIMIC-IV-Datensatz und schließlich auf realen Patientendaten des UKA trainiert wurden. Ergänzt wird das System durch eine agentenbasierte Simulation der Intensivstation, die erstmals die Auswirkungen von Managemententscheidungen auf die individuelle Patientengesundheit modelliert. Ein zentrales Ergebnis des Projekts ist die Entwicklung einer human-zentrischen Methodik für erklärbare KI (XAI), die KI-Prognosen auf die individuellen Bedürfnisse verschiedener klinischer Nutzergruppen zuschneidet.Zudem wurde analysiert, wie XAI die strukturelle Lücke des EU AI Acts zwischen Anbieter- und Betreiberpflichten einerseits und den Bedürfnissen von Endnutzenden andererseits schließen kann. Parallel wurde der Embedded-Ethics-Ansatz erstmals systematisch in den Entwicklungsprozess eines medizinischen KI-Systems im Realbetrieb integriert. Die klinische Validierung erfolgte im Rahmen einer prospektiven Kohortenstudie auf der chirurgischen Intensivstation des UKA. Die Ergänzung eines KI-Erklärungspanels führte zu einer signifikanten Reduktion des mittleren absoluten Fehlers sowohl der KI-Prognosen als auch der unterstützten ärztlichen Einschätzungen. Alle wesentlichen Projektziele wurden innerhalb des Projektzeitraums erreicht. Es entstanden dabei fünf wissenschaftliche Publikationen sowie zwei Masterarbeiten. Eine Promotion wurde während des Projektes gestartet.