COVID-19: Künstliche Intelligenz soll Versorgung auf Intensivstationen verbessern

Frankfurt am Main – Partner aus 13 europäischen Ländern entwickeln im Rahmen des Projektes „Envi­si­on“ Modelle, um den Verlauf einer COVID-19-Erkrankung vorherzusagen. Die Europäische Union fördert das Projekt mit rund fünf Millionen Euro. 19 Partner aus 13 europäischen Ländern arbeiten mit, um Da­ten von COVID-19-Patienten zu sammeln und das Wissen über die Krankheit zu erweitern.

Eine Million Euro aus der Fördersumme gehen an die Intensivmediziner des Universitätsklinikums Frank­furt, die auch die Gesamtleitung für das europäische Projekt übernommen haben. „Damit können das Uni­versitätsklinikum Frankfurt und seine Partner die Versorgung von COVID-19-Patienten entschei­dend verbessern und gleichzeitig die Mitarbeiter der Intensivmedizin entlasten“, sagte Jürgen Graf, ärztlicher Direktor und Vorstandsvorsitzender am Universitätsklinikum Frankfurt.

Teil des Projektes ist die Entwicklung einer innovativen digitalen Softwarelösung, des „Sandman.ICU“. Mit der Hilfe einer Künstlichen Intelligenz (KI) soll die Software das Personal auf Intensivstationen bei ihren Entscheidungen unterstützen.

„Dieses innovative digitale Werkzeug wird europaweit validiert und anschließend schnellstmöglich zur Verbesserung der intensivmedizinischen Versorgung zur Verfügung gestellt“, erklärte Kai Zacharowski, Direktor der Klinik für Anästhesiologie, Intensivmedizin und Schmerztherapie am Universitätsklinikum Frankfurt.

Das Programm verarbeitet Daten über physiologische Veränderungen, wichtige medizinische Ereignisse und verabreichte Medikamente während der Intensivpflege von COVID-19-Patienten. Die aus vielen Da­tenquellen auf Intensivstationen gesammelten Patientendaten werden zudem pseudonymisiert auf einem Server der Europäischen Gesellschaft für Anästhesiologie und Intensivmedizin gespeichert und zur wissenschaftlichen Auswertung aufbereitet.

Die im „Sandman.ICU“ integrierte KI greift auf diese Datenbank und weitere Quellen zu und präsentiert dem behandelnden Personal in Echtzeit mögliche Krankenverläufe und Therapieoptionen.

Schaltfläche "Zurück zum Anfang"