Steigerung der Therapieeffizienz durch eine KI-basierende Operationsplanung und Risikoanalyse bei der chirurgischen Resektion von Nierentumoren (RENALCARE); Einsatz von KI-basierenden Natural Language Processing Algorithmen für die Analyse von textbasierten klinischen Dokumenten zur Operationsplanung und Risikoanalyse bei der chirurgischen Resektion von Nierentumoren

Abstract

Die präoperative Planung von Nierentumor-Resektionen stützt sich auf klinische Scores (z. B. C-Index, R.E.N.A.L., P.A.D.U.A.), die bei der Bestimmung des Operationsrisikos und der Operationstechnik unterstützen. Trotz ihrer Bedeutung für die Patientensicherheit werden diese Scores im Klinikalltag kaum systematisch berechnet, da die erforderlichen Daten überwiegend in unstrukturierter, uneinheitlicher Form vorliegen. Die manuelle Aufbereitung dieser Informationen aus klinischen Dokumenten und Bilddaten ist für das Personal zu zeitaufwendig und fehleranfällig. Das Vorhaben adressierte dieses Defizit durch eine innovative KI-Lösung: Mittels Natural Language Processing (NLP) und modernen Machine-Learning-Verfahren (Deep Learning, supervised/unsupervised Learning) wurden im Teilvorhaben von DFC-SYSTEMS unstrukturierte Texte automatisiert erschlossen. Über eine Echtzeitschnittstelle wurden diese Ergebnisse mit einer KI-basierten Bildanalyse korreliert. Ziel war eine automatisierte, hochpräzise Berechnung der Operations-Scores, um selbst bei komplexer Tumorgeometrie oder lückenhafter Dokumentation eine maximale Ergebnisqualität der Risikofaktoren zu gewährleisten. Dies entlastet das klinische Personal nachhaltig und optimiert die chirurgische Präzision sowie den gesamten Therapieverlauf.