Personalisierte Prädiktion lebensbedrohlicher Komplikationen in der Chirurgie durch maschinelles Lernen aus multimodalen Prozessdaten (SurgOmics)

Ressortforschung im Handlungsfeld „Digitalisierung“, Förderschwerpunkt „Digitale Innovationen“

SensorOP: Echzeitanalyse intraoperativer Sensordaten für die Prädiktion von Komplikationen

Motivation

Chirurgische Behandlungen umfassen üblicherweise eine Vielzahl von Interaktionen zwischen Patientinnen und Patienten, dem Krankenhauspersonal und medizinischen Geräten. Klinische Entscheidungen werden dabei in einem Zusammenspiel standardisierter Abläufe, evidenzbasierter Behandlungspfade sowie der individuellen Expertise der behandelnden Personen getroffen. Eine individuelle Behandlung ist für ein optimales Behandlungsergebnis entscheidend, wobei ausreichende Reaktionszeit und Anpassungsfähigkeit des klinischen Behandlungspfades eine zentrale Rolle spielen. Eine patientenindividuelle Therapieempfehlung entlang des chirurgischen Behandlungspfades, in dem alle möglichen Behandlungspfade kontinuierlich und objektiv auf Grundlage in Echtzeit analysierter klinischer Daten analysiert werden, kann eine Unterstützung der behandelnden Personen bieten.

Ziele und Vorgehen

Ziel des Projekts „Personalisierte Prädiktion lebensbedrohlicher Komplikationen in der Chirurgie durch maschinelles Lernen aus multimodalen Prozessdaten“ ist eine verbesserte Entscheidungsunterstützung in Krankenhäusern vor, während und nach operativen Eingriffen. Während der chirurgischen Behandlung soll ein System die Entscheidungen der behandelnden Ärztinnen und Ärzte unterstützen, indem es in Echtzeit klinische Daten analysiert und neueste Studienerkenntnisse einbezieht. Im Rahmen von SurgOmics sollen chirurgische Prozesse mit Hilfe von informatischen Methoden modelliert werden. Dabei werden neben den erfassten Daten während der Operation auch Daten vor sowie nach der Operation einbezogen.

Perspektiven für die Praxis

Die Chirurgie hat sich als Disziplin in den vergangenen Jahrzehnten stark weiterentwickelt und nutzt immer fortgeschrittenere Medizingeräte und spezialisierte Behandlungsmethoden. Die effektive und effiziente Nutzung dabei entstehender Datenmengen stellen für das ärztliches Fachpersonal im klinischen Alltag oftmals eine Herausforderung dar. Mit Hilfe des SurgOmics-Projekts kann die Qualität der chirurgischen Behandlung durch Nutzung dieser Datenmengen, dem Einsatz maschineller Lernverfahren und objektive Entscheidungsunterstützung verbessert werden. Es soll ein Unterstützungssystem entstehen, das Komplikationen während einer Operation patientenindividuell abschätzt und Therapieempfehlungen abgibt. Somit sollen Komplikationen minimiert und die Patientensicherheit erhöht werden.

Fakten zum Projekt

Projektleitung

Deutsches Krebsforschungszentrum (DKFZ)
Nationales Centrum für Tumorerkrankungen (NCT), Partnerstandort Dresden
Prof. Dr. Stefanie Speidel
Fetscherstr. 74
01307 Dresden

Projektlaufzeit

01.10.2020 bis 31.03.2024

Das Projekt ist Teil des Förderschwerpunkts „Digitale Innovationen für eine patientenzentrierte Gesundheitsversorgung“.

Projektbeteiligte

  • Universitätsklinikum Heidelberg

  • Universitätsklinikum Dresden

  • Karl Storz SE & Co. KG

Ansprechperson

Dr. Joachim Burbiel
DLR Projektträger
projekttraeger-bmg(at)dlr.de

Stand: 1. Oktober 2021

Hinweis
Sehr geehrte Damen und Herren, Sie nutzen leider eine Browser-Version, die nicht länger vom Bundesgesundheitsministerium unterstützt wird. Um das Angebot und alle Funktionen in vollem Umpfang nutzen zu können, aktualisieren Sie bitte ihren Browser auf die letzte Version von Chrome, Firefox, Safari oder Edge. Aus Sicherheitsgründen wird der Internet Explorer nicht unterstützt.