Intensivmedizin

Beteiligte Arbeitsgruppen

Projekte

• Früherkennung von Sepsis durch Analysen komplexer Muster: Viele der für die Sepsisdiagnose notwendigen Parameter sind im bettseitigen elektronischen Patientendatenmanagementsystem (PDMS) vorhanden. Die automatisierte Filterung und Analyse nach definierten Kriterien oder durch künstliche Intelligenz, könnten hilfreiche Mittel darstellen, um Parameterveränderungen zu überwachen und komplexe kritische Zusammenhänge zu detektieren. Damit könnte eine Diagnose schneller gestellt und eine entsprechende Therapie schneller begonnen werden. Die derzeitige Analyse schließt rund 25.000 Patienten ein, welche auf der chirurgischen und der internistischen Intensivstation behandelt wurden. Darunter befinden sich etwa 2000 Patienten mit schwerer Sepsis und septischem Schock, die durch den Einsatz von neuralen Netzen und XGBoost möglichst frühzeitig erkannt werden sollen.

Publikationen

Luz C, Vollmer M, Decruyenaere J, Nijsten M, Glasner C, Sinha B (2020)
Machine learning in infection management using routine electronic health records: tools, techniques, and reporting of future technologies
Clinical Microbiology and Infection, 26(10), 1291-1299; DOI:10.1016/j.cmi.2020.02.003

Vollmer M, Luz CF, Sodmann P, Sinha B , Kuhn S-O (2019)
Time-specific Metalearners for the Early Prediction of Sepsis
Computing in Cardiology (CinC), 2019; Vol 46; ISSN: 2325-887X; DOI:10.22489/CinC.2019.029