Auf der Neugeborenen-Intensivstation zählt jede Sekunde.
Die Uhr beginnt zu ticken, sobald ein Frühgeborenes geboren wird, und Neonatologen liefern sich ein Wettrennen darum, potenzielle gesundheitliche Komplikationen zu erkennen und zu behandeln. Je früher diese Ärzte eine kritische Erkrankung erkennen können, desto eher können sie eingreifen, mit der Behandlung beginnen und wertvolle Leben retten.
Nach Angaben der National Library of Medicine werden mütterliche Antikörper im dritten Trimenon der Schwangerschaft auf die Plazenta übertragen, wodurch Neugeborene gegen bestimmte Infektionen und Krankheiten immun werden. Frühgeborene werden allerdings geboren, noch bevor der Immuntransfer abgeschlossen ist – nach weniger als 37 Schwangerschaftswochen –, was sie anfälliger für bakterielle Infektionen wie Sepsis macht, die auf unreife oder geschwächte Immunsysteme abzielt.¹
An der Universitätsklinik Antwerpen (UZA) in Belgien leidet etwa jedes fünfte Frühgeborene, das unter 3,3 Pfund (1.500 Gramm) geboren wurde, an einer spät einsetzenden Sepsis. Das Personal der Neugeborenen-Intensivstation hat die Aufgabe, bei diesen Neugeborenen neben vielen anderen potenziellen Komplikationen eine Sepsis oder eine Infektion der Blutbahn anhand von Erfahrungswerten und Momentaufnahmen von Daten zu erkennen und sie dann rechtzeitig zu behandeln, um das Sterberisiko oder das Risiko von Entwicklungsverzögerung der Überlebenden zu verringern.
Aufgrund des potenziellen Risikos solch verheerender Folgen hat Dr. David Van Laere, Neonatologe an der UZA, einen Großteil seiner Karriere der Suche nach besseren und schnelleren Methoden zur Erkennung von Sepsen gewidmet. „In den letzten zehn Jahren habe ich die Trends und Muster zwischen Vitalzeichen und Komplikationen im Zusammenhang mit Frühgeburten untersucht“, sagt er.
Seine klinische Erfahrung zeigte, dass Veränderungen der Vitalfunktionen des Babys oft bis zu mehreren Stunden vor der Erkennung einer Sepsis sichtbar zu sein scheinen. „Wenn wir diese Veränderungen früher in den Daten erkennen könnten, könnten wir eine Verzögerung beim Beginn der Antibiotikabehandlung vermeiden“, sagt Dr. Van Laere. „Da Antibiotika bei einer Sepsis oft lebensrettend sind, könnte eine frühere Einnahme möglicherweise die Schwere der Erkrankung beeinflussen oder sogar die Überlebenschancen des Säuglings erhöhen.“
Diese frustrierende Realität veranlasste den Arzt, einen Weg zu finden, die vorhandenen riesigen Datenmengen bestmöglich zu nutzen. „Die Neugeborenen-Intensivstation der UZA ist eine hochgradig digitalisierte Umgebung mit mehreren Datenquellen“, sagt er. „Wir verfügen über vollständige Datensätze, von der Geburt bis zur Entlassung, die Überwachungssignale, Berichte, Diagnosen, Daten aus der elektronischen Patientenakte und vieles mehr enthalten.“ Die Erkenntnisse aus diesen Patientendaten haben das Potenzial, Krankheitszustände in einem früheren Stadium zu erkennen – wenn Ärzte in der Lage sind, einen Weg zu finden, diese Erkenntnisse umzusetzen.
Verbesserte Funktionen
Kann eine signifikante Anzahl schwerer Sepsisfälle identifizieren
Schnellere Erkennung
Kann helfen, Sepsis Stunden schneller zu erkennen als das medizinische Personal
Dr. Van Laere unternahm die ersten Schritte zur Entwicklung einer KI-basierten Lösung, indem er sich mit einer Forschungsgruppe für Bioinformatik an der Universität Antwerpen zusammenschloss. Die ersten Iterationen der Lösung wurden durch einen Zuschuss der Universität finanziert. Ein Forscher, der an dem Projekt arbeitete, wurde der erste Mitarbeiter von Innocens BV, einem gemeinsamen Spin-off der Universität Antwerpen und der UZA.
Dr. Van Laere diskutierte mögliche Lösungen auch mit seinem Freund Dirk A. Claessens, einem IBM Executive, Berater und Spezialist für KI, Daten und prädiktive Analysen.
Das Duo tauschte sich während wöchentlicher Radtouren durch die Stadt oder bei einer Mahlzeit im örtlichen Bistro häufig über die Arbeit aus. Diese Zusammenkünfte waren eine willkommene Abwechslung für Dr. Van Laere, dessen Terminkalender normalerweise darin bestand, sich um Neugeborene in Krisensituationen zu kümmern und schwierige Gespräche mit besorgten Eltern zu führen.
Bei diesen Treffen wurde den beiden klar, dass sie mehr gemeinsam hatten als die Liebe zum Radfahren und gutem Essen – sie teilten auch eine Leidenschaft für Daten. „Daten erzählen eine Geschichte. Wenn ein Patient schwere Komplikationen hat, können wir anhand der Daten sehen, wie sich seine Physiologie verändert. Es muss eine Möglichkeit geben, festzustellen, wohin die Geschichte führt, damit wir das Ende verbessern können“, sagte Dr. Van Laere. Inspiriert von den Gedanken des Arztes begann Claessens, erste Ideen aufzuschreiben.
„Die Lösung, die Sie entwickeln wollen, muss dazu beitragen, potenzielle Anzeichen, die auf negative Folgen wie Sepsen hinweisen, bei Neugeborenen schneller zu erkennen, und zwar auf der Grundlage der vorhandenen Daten“, sagte Claessens in einer ihrer angeregten Diskussion. Die Neugeborenen-Intensivstation der UZA verfügte über ein Jahrzehnt an Aufnahmedaten von Frühgeborenen und Kindern mit geringem Geburtsgewicht, was den beiden Männern eine gute Ausgangsbasis bot. Dr. Van Laere wollte diese Daten in eine KI-gestützte Vorhersagelösung integrieren, die den Mitarbeitern im Gesundheitswesen Erkenntnisse liefern kann. „Mein Hauptanliegen ist es, die Anzeichen einer möglichen Infektion so schnell wie möglich zu erkennen – auch nachts, und auch wenn unsere Station ausgelastet ist.“
Mit der großen Bandbreite an KI-Lösungen und dem technischen Fachwissen von IBM Consulting in Amsterdam, IBM Research in Almaden und dem IBM Watson Center in München wusste Claessens, dass IBM der ideale Technologiepartner für die Realisierung der Vision des Arztes sein könnte. Diese Brainstorming-Sitzungen und die Entwicklungen in der Forschungsgruppe der Universität führten schließlich dazu, dass Dr. Van Laere und sein Team Innocens BV gründeten, eine Tochtergesellschaft, die die Innocens-Lösung weiterentwickeln und validieren sollte.
Innocens, die Abkürzung für Improving Neonatal Outcome with a Clinical Early Notification System, ist eine Edge-Computing-Technologie, die Computer darauf trainiert, Datenströme von Patienten zu analysieren, um Muster zu finden, die auf eine spät einsetzende Sepsis hinweisen könnten. Laut Dr. Van Laere basiert eine Lösung wie Innocens auf drei Säulen: einem Prognosemodell, einer überzeugenden Benutzeroberfläche und einer robusten Architektur.
Vorhersagemodell
Kunden können Computer mit Hilfe des so genannten maschinellen Lernens trainieren, einer Unterkategorie der künstlichen Intelligenz, die Algorithmen verwendet, um aus Daten zu lernen, aus Mustern Rückschlüsse zu ziehen und Ergebnisse vorherzusagen. Diese Algorithmen korrigieren und trainieren sich ständig selbst, um schneller und genauer zu sein.
IBM Client Engineering half Innocens bei der Entwicklung und Prüfung des Verbundmodells für maschinelles Lernen, das die Innocens BV-Lösung nutzen möchte. Innocens BV nutzte IBM Watson Studio, um die maschinellen Lernmodelle seiner Lösung zu trainieren, um Blutkreislaufinfektionen bei Säuglingen auf der Neugeborenen-Intensivstation zu erkennen. IBM Watson Studio, ein Kerndienst von IBM Cloud Pak for Data, bietet eine Plattform zum Erstellen, Ausführen und Verwalten von Modellen in großem Umfang.
Benutzeroberfläche
Die benutzerfreundliche Oberfläche ist intuitiv und bietet Einblicke, die vom Benutzer interpretiert werden können. „Wir haben die Vorteile der erklärbaren KI-Funktionen genutzt, die in IBM Cloud Pak for Data, der für die Modellierung verwendeten Datenplattform, integriert sind“, erklärt Dr. Van Laere. „Indem wir den Nutzern helfen, besser zu verstehen, was die Modelle ihnen sagen und warum, schaffen wir eine Vertrauensbasis zwischen den Pflegern und ihren Instrumenten – ein Vertrauen, das unerlässlich ist, wenn wir wachsam bleiben wollen.
Claessens erläutert die Bedeutung von Vertrauen. „Die Benutzeroberfläche ist absolut entscheidend, um das Verständnis des Benutzers für die Technologie zu stärken. Wir möchten Technologien bereitstellen, die Ärzten Erkenntnisse liefern, die sie dann für ihre Diagnose nutzen können. Die Idee ist, dass der Computer die menschlichen Erkenntnisse verbessert, der Arzt aber letztendlich die Kontrolle behält.“
Robuste Architektur
Eine robuste Architektur, die Edge Computing integriert, bringt Berechnungen und Datenspeicherung näher an die Datenquelle. Dies ist von entscheidender Bedeutung in einem Gesundheitswesen, in dem sensible Informationen während des Pflegeprozesses ausgetauscht werden und die Zeit von entscheidender Bedeutung ist. „Die Geräte, die Visualisierungen und Prognosen durchführen, müssen sich in unmittelbarer Nähe der Datenquelle und der Personen befinden, die die Daten verwenden“, erklärt Claessens.
Unterschiedliche Datenquellen können die Sicherheit gefährden und zu verzögerten Reaktionen führen. „Es gibt das Krankenhaus, dann das Patientenzimmer im Krankenhaus, dann die Geräte im Patientenzimmer. Wir möchten jeden dieser Bereiche abschotten, um die Daten zu schützen und Erkenntnisse in Echtzeit zu verarbeiten“, sagt Claessens.
Die Innocens-Modelle laufen lokal innerhalb der Firewalls des Krankenhauses und können funktionieren und sich weiterentwickeln, ohne dass sensible Daten das Krankenhaus verlassen. „Die Rohdaten bleiben vor Ort. Übergreifendes maschinelles Lernen ermöglicht dies, ohne die Daten zu verschieben. Die Parameter werden in der Cloud verschoben, aber die Rohdaten bleiben innerhalb der Krankenhausmauern“, sagt Claessens.
Die Auswirkungen der Innocens-Technologie werden in klinischen Studien untersucht. Eine kommerzielle Verfügbarkeit ist in den kommenden Jahren möglich.
Was als einfacher Ideenaustausch zwischen Freunden begann, entwickelte sich schließlich zu einem bahnbrechenden Ansatz für die Versorgung von Neugeborenen.
Bei Innocens BV nutzten Dr. Van Laere und sein Team die IBM-Technologie, um eine Daten- und KI-Umgebung zu schaffen, die es Ärzten ermöglicht, Muster zu untersuchen, Ergebnisse zu hinterfragen und eine individualisierte, wertorientierte Versorgung zu entwickeln.
Das prädiktive Modell bietet Ärzten eine kontinuierliche, erklärbare und datengestützte Grundlage für ihre Versorgungsentscheidungen. Dr. Van Laere fährt fort: „Innocens arbeitet mit uns zusammen, um Säuglinge rund um die Uhr, sieben Tage die Woche, zu überwachen.“ Durch die Verbesserung der Intelligenz des medizinischen Personals am Krankenbett können sich die Ärzte auf der Neugeborenen-Intensivstation darauf konzentrieren, ihren Patienten Komfort und Präzision zu bieten.
Letztendlich sehen Dr. Van Laere und Claessens die Auswirkungen der Innocens-Lösung auf die Vorhersage einer möglichen frühen Sepsis und Behandlung als den Beginn der Anwendung von KI zur Verbesserung der Versorgung von Neugeborenen. „Wir hoffen, dass derselbe modellgetriebene Ansatz verwendet werden kann, um andere Komplikationen der Frühgeburt in einem früheren Stadium zu erkennen“, sagt Dr. Van Laere. IBM Cloud Pak for Data, IBM Watson Studio und IBM Watson Machine Learning unterstützen und untermauern die Pläne von Innocens BV, die Lösung in anderen Krankenhäusern und Systemen auf der Neugeborenen-Intensivstation auf der ganzen Welt einzusetzen.
Innocens BV (Link befindet sich außerhalb von ibm.com) ist ein Forschungs- und Entwicklungsstartup der Neugeborenen-Intensivstation der Universitätsklinik Antwerpen (UZA). Innocens ist ein Akronym für „Improving Neonatal Outcome with a Clinical Early Notification System“ (Verbesserung der Aussichten für Neugeborene durch ein klinisches Frühwarnsystem) . Die Innocens-Lösung zielt darauf ab, ein System für die Unterstützung klinischer Entscheidungen auf der Grundlage von KI-Technologie zu entwickeln.
¹ Palmeira, P., Quinello, C., Silveira-Lessa, A. L., Zago, C. A. & Carneiro-Sampaio, M. (2012). IgG-Plazentatransfer bei gesunden und pathologischen Schwangerschaften. Klinische & Entwicklungsimmunologie, 2012, 985646. https://doi.org/10.1155/2012/985646
Fußnoten
© Copyright IBM Corporation 2023. IBM Corporation, IBM Cloud, New Orchard Road, Armonk, NY 10504
Hergestellt in den Vereinigten Staaten von Amerika, März 2023.
IBM, das IBM Logo, ibm.com, IBM Consulting, IBM Cloud Pak, IBM Research und IBM Watson sind Marken der International Business Machines Corporation und in den USA und/oder anderen Ländern eingetragen. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Website „Copyright and trademark information“ unter http://www.ibm.com/de-de/legal/copytrade.
Innocens BV ist Eigentümer der Innocens AI Clinical Decision Support Technology. Diese Technologie umfasst ein Modell für maschinelles Lernen zur Erkennung einer spät einsetzenden Sepsis bei sehr Frühgeborenen. Das Modell für maschinelles Lernen wurde in der Universitätsklinik Antwerpen als Kollaboration zwischen der Klinik und IBM entwickelt.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Alle angeführten oder beschriebenen Beispiele illustrieren lediglich, wie einige Kunden IBM Produkte verwendet haben und welche Ergebnisse sie dabei erzielt haben. Die tatsächlichen Umgebungskosten und Leistungsmerkmale variieren in Abhängigkeit von den Konfigurationen und Bedingungen des jeweiligen Kunden. Es können keine generell zu erwartenden Ergebnisse bereitgestellt werden, da die Ergebnisse jedes Kunden allein von seinen Systemen und bestellten Services abhängt. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.