Dashboard für die neurochirurgische Intensivstation des Universitätsspitals Zürich
Auf den heutigen Intensivstationen sammeln Biosensoren täglich bis zu 100 GB an Daten pro Patient. Diese riesigen Datenmengen sind nur dann wertvoll, wenn sie zu besseren Behandlungsergebnissen führen.
- Wie kann das medizinische Personal Erkenntnisse aus diesen Daten gewinnen?
- Wie können Risikokonstellationen so früh wie möglich erkannt werden?
- Wie können Therapieempfehlungen angepasst werden?
Im Rahmen mehrerer Forschungsprojekte entwickelt unser Team die Benutzeroberfläche "ICU Cockpit", ein Dashboard für die neurochirurgische Intensivstation des Universitätsspitals Zürich. Das Dashboard visualisiert Patientendaten und macht algorithmische Vorhersagen für das medizinische Personal der Intensivstation zugänglich. Es unterstützt medizinische Entscheidungen und verbessert so die Patientensicherheit.
Anwendungen
COVID-19 Dashboard
Im Frühjahr 2020, während der frühen Phase der COVID-19-Pandemie, entwickelte unser Team ein "COVID-19-Dashboard", um die Vorgaben für die Patientenisolierung anzuzeigen. Das Dashboard visualisiert die Anordnung der Betten auf der Intensivstation und zeigt den aktuellen SARS-CoV-2-Test-/Impfstatus für jeden Patienten an. Darüber hinaus zeigt die Benutzeroberfläche Vitalparameter wie Herzfrequenz oder EKG und ermöglicht die Videofernüberwachung von Patienten.
COVID-19 Diagnose & Prognose
Die derzeitigen SARS-CoV-2-PCR-Tests haben eine recht hohe Falsch-Negativ-Rate, selbst nach Auftreten der Symptome. Dies ist problematisch, wenn es darum geht, eine Virusübertragung unter Patienten und medizinischem Personal wirksam auszuschließen. Außerdem könnten COVID-19-Patienten von einer frühzeitigen Warnung vor einer Verschlechterung des Krankheitsverlaufs sehr profitieren.
Auf der Grundlage von Routine-Biomarkern und hochauflösenden Daten aus dem ICU-Cockpit können Modelle des maschinellen Lernens eine genauere Diagnose sowie eine Live-Prognose des Krankheitsverlaufs liefern.
Zum ICU Cockpit "COVID-19 Dashboard" hinzugefügt, werden sie das medizinische Personal auf den Intensivstationen durch eine schnellere und zuverlässigere Erkennung von SARS-CoV-2 infizierten Patienten unterstützen und schwerkranken Patienten durch eine individuellere Therapie zugute kommen.
Vorhersage einer verzögerten zerebralen Ischämie
Bei Patienten mit Subarachnoidalblutung (SAB), die ein rupturiertes Aneurysma überleben, ist die verzögerte zerebrale Ischämie (DCI) die wichtigste Ursache für schlechte neurologische Ausgänge oder sogar den Tod.
Auf der Grundlage von Routine-Biomarkern und hochauflösenden Daten aus dem ICU-Cockpit können maschinelle Lernmodelle genaue Vorhersagen über zukünftige DCI-Ereignisse liefern.
Um die klinische Praxis auf der Intensivstation zu unterstützen, müssen die algorithmischen Vorhersagen über eine menschenzentrierte Schnittstelle zugänglich sein.
Media
Publikationen
- SNSF NRP 75 Article: “ICU cockpit: computer assistance for intensive and emergency medicine”
- SNSF Data Portal Article: “From Tools to Teammates: Human-AI Teaming Success Factors in High-risk Industries”
Projektdetails
- Typ
- Forschungsprojekt
- Forschungsfeld
- Medizinische Decision Support Systeme
- Hochschule/Institut
- Hochschule für Life Sciences FHNW / Institut für Medizintechnik und Medizininformatik
- Partner
- Universitätsspitals Zürich
Kontakt
