Projektziele
Das Verbundprojekt „Entwicklung smarter Notfall-Algorithmen durch erklärbare KI-Verfahren“ mit dem Akronym ENSURE hat zum Ziel, die ärztliche Handlungskompetenz in der gesamten notfallmedizinischen Behandlungskette zu stärken und somit die Prozess- und Ergebnisqualität in der Notfallversorgung zu verbessern. Eine klinische Entscheidungsunterstützung soll Notfallmediziner*innen unterstützen in einem konkreten Notfall die passende initiale Diagnostik einzuleiten, entsprechende Therapiemaßnahme durchzuführen und am Ende der notfallmedizinischen Versorgung die korrekte Hauptdiagnose zu stellen.
Im Rahmen des Projekts ENSURE wird sowohl ein regelbasiertes System als auch ein KI-basiertes System, i.e. Machine Learning (ML-) Modell, entwickelt. Für den Aufbau eines regelbasierten Systems wird evidenzbasiertes, explizites Expertenwissen mit Handlungsanweisungen für notfallmedizinische Leitsymptome/-diagnosen des SOP Handbuchs Interdisziplinäre Notaufnahme (Blaschke S; Walcher F; Kulla M; Wrede C Hrsg. Medizinisch-Wissenschaftlicher Verlag Berlin 2.Auflage 2022) in ein Entscheidungsunterstützungsverfahren im Sinne von Notfall-Algorithmen übertragen. Für den Aufbau eines ML-Modells werden einerseits Notfalldatensätze aus dem AKTIN Notaufnahmeregister und andererseits Notfallbehandlungsdatensätze aus dem ZNA-Informationssystem der beteiligten Modellkliniken zusammengeführt.
Das Studiendesign hat zum Ziel, durch die Erprobung der ENSURE Entscheidungsunterstützung im Notfallsetting eine Verbesserung der Diagnosekorrektheit und Diagnosevollständigkeit, gemessen an der sog. diagnostischen Übereinstimmung (dÜ) und der diagnostischen Effizienz (dEff) von Tracerdiagnosen, zu erreichen. Als Tracerdiagnosen werden jene Diagnosen definiert, die häufig in der klinischen Notfall- und Akutmedizin zu behandeln sind und damit im Rahmen der Notaufnahmeprozesse korrekt diagnostiziert werden müssen.
