KIP-SDM: Künstliche Intelligenz in der Pflege - Sturz, Delir, Medikation

Abstract

Notwendigkeit des Projekts: Stürze zählen zu den häufigsten unerwünschten Ereignissen in der stationären Pflege und sind mit erheblichen gesundheitlichen und ökonomischen Folgen verbunden und gehören gemeinsam mit dem Delir zu den relevantesten pflegerischen Problemen. Durch demografischen Wandel, Multimorbidität und Polypharmazie nimmt das Risiko sturzassoziierter Ereignisse weiter zu und wir müssen uns Verfahren und Methoden widmen, die hier Abhilfe schaffen. Problem: Die Nutzung von Daten für die Entwicklung von belastbaren Machine Learning (ML)-Modellen, die eine Forschung in der Pflege über einzelne Einrichtungen hinaus erst ermöglichen, steht derzeit in Deutschland noch am Anfang. Vor diesem Hintergrund ist festzustellen, dass in der Forschung zu Stürzen noch erhebliche Unsicherheiten und Evidenzlücken bestehen. Die Verfügbarmachung von Daten bietet eine Chance in erheblichem Maße in der Praxis verbreitete manuelle, regelbasierte Instrumente zur Sturzrisikoeinschätzung mittels ML-basieren Methoden zu erweitern. Eine solche Forschung sollte sich dabei eng an in manuellen, regelbasierten Instrumenten gemäß dem Expertenstandard "Sturzprophylaxe in der Pflege" orientieren, um diese Standards datenbasiert zu überprüfen und zielgerichtet weiterzuentwickeln. Bestehende Instrumente sind leitlinienkonform, integrieren medizinische Routinedaten jedoch nur eingeschränkt und verursachen nicht unerheblichen Dokumentationsaufwand. Zugleich bestehen hohe rechtliche und organisatorische Hürden für die Nutzung von Gesundheitsdaten aus der Pflege in Anwendungen, die auf ML basieren, insbesondere beim einrichtungsübergreifenden Datenteilen. Relevanz: Es besteht ein hoher Bedarf an datengestützten, praxistauglichen und rechtssicheren Lösungen, die das Teilen von Gesundheitsdaten aus der Pflege ermöglichen. Diese bilden die Grundlage für die Entwicklung von ML-basierten Lösungen, die Pflegefachpersonen bei der Risikoeinschätzung und Prävention unterstützen, ohne zusätzliche Belastungen zu erzeugen. Sturzprävention eignet sich dabei als exemplarischer Anwendungsfall für weitere pflegerische Fragestellungen wie Delir. Kontext: Das Verbundprojekt "Künstliche Intelligenz in der Pflege - Sturz, Delir, Medikation" (KIP-SDM) adressierte diese Herausforderungen im Zusammenspiel von Pflegepraxis, Pflegewissenschaft, Medizininformatik, Datenschutz und ML-Forschung. Zentrale Fragestellungen betrafen die datenschutzkonforme Nutzung von Routinedaten, die Entwicklung und Evaluation belastbarer ML-Modelle sowie die Voraussetzungen für eine spätere Überführung in die Versorgung.