WIR! - HEALTH.AI - KI-Katarakt; TP2: Gesundheitsdaten Katarakt des Verbundprojektes Entwicklung eines KI-gestützten Systems zur Identifizierung von prädiktiven Faktoren im Rahmen des perioperativen Komplikationsmanagements in der Katarakt-Chirurgie

Abstract

Die Augenklinik Sulzbach (AKS) hat im Projekt „KI-Katarakt“ entscheidend zur Bereitstellung, Aufbereitung und Validierung klinischer Daten beigetragen, die als Grundlage für das KI-gestützte Komplikations-management in der Kataraktchirurgie dienen. Gemeinsam mit N4 wurden die Anforderungen an das System definiert, Anwendungsszenarien erarbeitet und die notwendigen Informationen sowie priorisierten Komplikationen festgelegt. Die AKS stellte retrospektive Daten aus IOL-Master-Messungen, OP-Berichten und Patientenakten von 2011 bis Mitte 2025 bereit, strukturierte und annotierte diese Daten und sorgte in enger Abstimmung mit der IT der Klinik sowie in Zusammenarbeit mit HEYEX für deren sichere Bereitstellung an N4. Zudem wurde eine Wissensbasis „Ophthalmologie“ erstellt, um die Daten semantisch anzureichern, und es erfolgte eine systematische Überprüfung und Bereinigung der Datensätze, um Tippfehler und unterschiedliche Schreibweisen zu korrigieren. Die AKS steuerte kontinuierlich medizinisches Expertenwissen bei, indem sie die klinische Relevanz statistisch signifikanter Zusammenhänge prüfte, an der Validierung der KI-Features mitwirkte und praxisrelevante Parameter für das Training der Modelle bereitstellte. Über das bestehende Netzwerk wurden außerdem niedergelassene Augenärzte in einer Umfrage in Zu- sammenarbeit mit NanoBioNet eingebunden, deren Rückmeldungen in die Weiterentwicklung des Systems einflossen. Schließlich war die AKS aktiv in der Vernetzung mit Begleitprojekten wie ELI und FläKI sowie in Health.AI-Veranstaltungen engagiert, inklusive der Präsentation der Ergebnisse in einem Webinar zur KI-Anwendung in der Augenheilkunde. Insgesamt hat die AKS so eine fundierte, datenschutzkonforme und praxisnahe Grundlage für die KI-Entwicklung geschaffen, die sowohl die Validität der Vorhersagen als auch die spätere Implementierung und Akzeptanz des Systems unterstützt.