Künstliche Intelligenz erkennt Herzstillstand bereits am Telefon
Nach einem Herzstillstand sind die ersten fünf Minuten die wichtigsten, da mit jeder weiteren verstreichenden Minute die Überlebenschancen um 10 % sinken. Bei einem akuten Herzstillstand leisten normalerweise die medizinischen Notfalldienste Ersthilfe, und für sie ist es entscheidend, mit den richtigen Werkzeugen für eine korrekte Diagnose ausgestattet zu sein. Gegenwärtig folgen die medizinischen Notfalldienste festgelegten Protokollen, um den Gesundheitszustand zu bewerten und das jeweilige System aus Notfallmaßnahmen zu aktivieren. Aufgrund der in jüngster Zeit zu verzeichnenden steigenden Zahl von Notrufen ist es jedoch dringend notwendig, lebensgefährliche Zustände wie etwa einen präklinische Herzstillstand schneller erkennen zu können.
Ein intelligentes sprachunterstütztes Notrufsystem
Das EU-finanzierte Projekt AI4EMS hat einen sprachgesteuerten digitalen Assistenten entwickelt, der Diagnose und Patientenpriorisierung unterstützt. In die AI4EMS-Plattform sind modernste Spracherkennung und maschinelles Lernen integriert, um eingehende Notrufe in Echtzeit zu analysieren. „Die Technik ist in der Lage, jegliche ärztliche Gesprächsführung mit den Betroffenen mithilfe von maschinellem Lernen zu analysieren, um schneller als der Mensch Symptome zu erkennen und die medizinischen Fachkräfte auf diese Weise dabei zu unterstützen, zum richtigen Zeitpunkt die richtige Entscheidung zu treffen“, erklärt Projektkoordinator Jonas Hansen. Die AI4EMS-Software greift beim Abhören von Notrufen auf künstliche Intelligenz und insbesondere die Verarbeitung natürlicher Sprache in Echtzeit zurück, um der den Anruf entgegennehmenden Person dabei zu helfen, die Anzeichen kritischer Erkrankungen wie beispielsweise eines Herzstillstands zu erkennen. Die Technik beruht auf Algorithmen, die im Anschluss an Tausende frühere medizinische Interviews entwickelt wurden, und sucht nach verbalen und nonverbalen Kommunikationsmustern, etwa im Tonfall des Anrufenden, oder Informationen darüber, ob die Person atmet oder nicht. Wichtig ist, dass die Technologie in jedem Einsatzfall die Feinabstimmung des Prozesses unterstützt, um bessere Erkennungsraten und weniger Fehldiagnosen zu erreichen.
Herzstillstand in Sekunden erkennen
Das Projektteam initiierte eine Pilotstudie mit Rettungsdiensten in Kopenhagen und Seattle, um die AI4EMS-Technologie an Patientinnen und Patienten zu testen, die während eines präklinischen Herzstillstands fehldiagnostiziert wurden. Die Daten aus den Notaufnahmen in Kopenhagen ergaben, dass die AI4EMS-Software einen Herzstillstand innerhalb von nur 44 Sekunden erkennen kann. Im Rahmen einer umfangreicheren Studie anhand von fast 110 000 Notrufen in Dänemark reduzierte die Software die Zahl der unerkannten Herzstillstände um 43 %. Überdies erkannte sie die wichtigsten Anzeichen um 25 % schneller als der Mensch am Telefon.
Projekterfolge und Zukunftsaussichten
Die Nachfrage nach künstlicher Intelligenz und Assistenztechnologie zur Interpretation von Big Data im Gesundheitssektor und zum effektiven Umgang mit Triage-Lösungen wächst. „AI4EMS stellt die Eignung eines mit maschinellem Lernen ausgestatteten Modells, das in einem traditionell nur mit Menschen betriebenen Gesundheitswesen funktioniert, unter Beweis“, betont Hansen. „Es ist geradezu ein Paradebeispiel dafür, wie Mensch und Technik zusammenarbeiten können, um Gesundheitsdienstleistungen zu verbessern.“ Mit einer Reihe von Verbreitungsmaßnahmen wurde das Bewusstsein geschaffen und der Weg für ein neues Paradigma in der Notfallmedizin bereitet, wobei die Technologie die Arbeit der Angehörigen der Gesundheitsberufe ergänzen und die Überlebensraten von Millionen Menschen weltweit erhöhen wird. Das medizinische Personal kann durch den parallelen Einsatz der Software bei Patientenbefragungen in Echtzeit die richtigen Fragen stellen und die richtigen Schlussfolgerungen ziehen. Die Forschungsgruppe plant, die Anwendung derartiger Modelle mit künstlicher Intelligenz auf andere Bereiche der Gesundheitsversorgung wie zum Beispiel Krankenwagen, Notaufnahmen und allgemeinmedizinische Kliniken auszuweiten. Sie hat außerdem der Technologie Rechnung getragen, mit der Lösungen speziell für COVID-19 entwickelt werden können, die das Notfallpersonal bei der Priorisierung von Hochrisikoerkrankten unterstützen sollen.
Schlüsselbegriffe
AI4EMS, künstliche Intelligenz, medizinische Notfalldienste, ärztliche Notfalldienste, Rettungsdienste, präklinischer Herzstillstand
