Sepsis: Wenn jede Stunde zählt

Dr. Daniel Steinbach, Martin Federbusch und Maria Schmidt (v.l.n.r.) gehören zum AMPEL-Kernteam. Ihre Studie zur Vorhersage einer Sepsis anhand des kleinen Blutbildes ist im führenden Journal für Labormedizin „Clinical Chemistry“ veröffentlicht worden.
Foto: Stefan Straube / UKL

Sepsis-Früherkennung bereits mit kleinem Blutbild möglich – dank neuer KI-basierter Methoden.

Mit neuen Methoden auf Basis künstlicher Intelligenz (KI) gelingt dem AMPEL-Projekt am Universitätsklinikum Leipzig ein bedeutsamer Fortschritt beim Thema Patientensicherheit: Nun genügt bereits das kleine Blutbild, um Patient:innen mit Sepsis früher zu erkennen als bisher. Auch der bekannte Sepsis-Parameter Procalcitonin kann deutlich übertroffen werden.

Die AMPEL – 2018 ins Leben gerufen als Analyse- und Meldesystem zur Verbesserung der Patientensicherheit durch Echtzeitintegration von Laborbefunden (AMPEL) – hat sich seitdem weiterentwickelt und gilt nun als digitale Infrastruktur, die klinische KI-Anwendungen in der Routineversorgung ermöglicht.

Seit dem Start vor über fünf Jahren unterstützt das bereits mehrfach ausgezeichnete Projekt am Leipziger Uniklinikum das pflegerische und ärztliche Personal in der Patientenversorgung, indem es kritische Situationen in Echtzeit erkennt und somit die Patientensicherheit deutlich erhöht. Durch automatisierte Hinweise verbessern sich Verfügbarkeit und Gewichtung medizinischer Informationen. Die AMPEL nutzt einfache Berechnungen bis hin zu komplexen KI-Modellen und überwacht live alle dafür notwendigen Daten.

Steht der Verdacht einer Sepsis, einer Blutvergiftung, im Raum, kann es kritisch werden, und es zählt jede Stunde. Das Überleben dieser häufig tödlich verlaufenden Erkrankung hängt maßgeblich von frühestmöglichen Antibiotika-Gaben ab. Einen Meilenstein zur Sepsis-Früherkennung hat nun das AMPEL-Projekt des UKL erreicht: Mit neuen Methoden maschinellen Lernens konnte das Team ein KI-Modell entwickeln und an zwei weiteren Standorten, in Deutschland und den USA, wissenschaftlich bestätigen.

„Unsere Studie zur Vorhersage einer Sepsis anhand des kleinen Blutbildes wurde vom weltweit führenden Journal für Labormedizin ‚Clinical Chemistry‘ angenommen. Dabei zeigen wir das Potenzial auf, wie man mit KI-Methoden und sehr wenigen und bereits erhobenen Laborparametern in der Routineversorgung ein ständiges Screening nach Patient:innen mit Beginn einer Sepsis umsetzen kann“, erläutert Dr. Daniel Steinbach, Arzt und wissenschaftlicher Mitarbeiter am Institut für Laboratoriumsmedizin, Klinische Chemie und Molekulare Diagnostik und am Datenintegrationszentrum des UKL sowie Mitglied des AMPEL-Kernteams. „Und dass ohne zusätzliche Kosten mit unserem KI-Modell die Vorhersage des etablierten Markers Procalcitonins (PCT) deutlich übertroffen wird, dürfte ein großes Interesse hervorrufen.“

Laborwerte des kleinen Blutbildes immer vorhanden, doch selten genutzt

Dass die Daten eines kleinen Blutbildes helfen könnten, frühzeitig eine Sepsis zu erkennen, kam anfangs selbst für das interdisziplinäre AMPEL-Team eher überraschend. „Die ersten Ergebnisse zeigten, dass die entwickelten KI-Modelle häufig auf die Daten des kleinen Blutbildes zurückgreifen. Das sind Laborwerte, die immer da sind, aber selten beachtet werden“, sagt Dr. Steinbach. In der klinischen Versorgung der Sepsis-Erkennung spielten diese Laborbefunde kaum eine Rolle, so der UKL-Experte, obwohl sie in jedem Krankenhaus bei fast jeder Laborabnahme bestimmt würden. Zurückgegriffen würde eher auf spezifische Laborparameter wie Procalcitonin.

Dabei sei Procalcitonin ein Widerspruch in sich, sagt Maria Schmidt, die ebenfalls zum AMPEL-Kernteam gehört: „Obwohl es fast überall angewendet wird, kommen Studien regelmäßig zum Schluss, dass die Vorhersagekraft zu gering ist. Übrig bleibt eine Empfehlung zur Steuerung der richtigen Antibiotika-Therapie im Verlauf der Erkrankung.“ In ihrer Sepsis-Studie hätten sie nun zeigen können, dass man mit Methoden des maschinellen Lernens und in Kombination mit dem kleinen Blutbild die Aussagekraft von Procalcitonin deutlich verbessern könne, erklärt die Biometrikerin Schmidt.

Nach der Theorie soll nun die praktische Anwendung folgen: „In der Labormedizin kenne ich kein KI-Modell, das so ausführlich und aufwendig getestet wurde, wie jenes von uns veröffentliche Sepsis-Modell. Am Ende bleibt das trotzdem nur Theorie und erst die praktische Anwendung zeigt, ob und wie groß die Unterstützung dadurch wirklich ist. Doch genau das ist zum Glück eine der Kernkompetenzen der AMPEL“, sagt Dr. Steinbach.

Weiterentwicklung als Open Source-Projekt

Martin Federbusch, Facharzt für Labormedizin, leitet das AMPEL-Projekt und bedauert, dass das UKL weiterhin das einzige Krankenhaus in Deutschland mit einer solchen digitalen Infrastruktur sei, wie sie durch AMPEL geschaffen werden konnte. „So bleibt ein wichtiges Ziel für uns: die Übertragung auf weitere Standorte“, betont Federbusch. „Durch die breite Unterstützung an unserem Standort sind wir in der Lage, die KI-Plattform AMPEL unabhängig weiterzuentwickeln.“

Seit diesem Jahr wird die AMPEL unter Federführung des Universitätsklinikums Leipzig durch Prof. Toralf Kirsten und seiner Abteilung für Medical Data Science als Open Source-Projekt weiterentwickelt. Im Mittelpunkt steht dabei, eine gemeinnützige KI-Infrastruktur für die Krankenversorgung zu erschaffen, die höchste Ansprüche an Anpassbarkeit, Interoperabilität und Transparenz erfüllt.

Originalpublikation:

https://doi.org/10.1093/clinchem/hvae001

http://www.uniklinik-leipzig.de/

Media Contact

Markus Bien Pressestelle / Unternehmenskommunikation
Universitätsklinikum Leipzig AöR

Alle Nachrichten aus der Kategorie: Medizin Gesundheit

Dieser Fachbereich fasst die Vielzahl der medizinischen Fachrichtungen aus dem Bereich der Humanmedizin zusammen.

Unter anderem finden Sie hier Berichte aus den Teilbereichen: Anästhesiologie, Anatomie, Chirurgie, Humangenetik, Hygiene und Umweltmedizin, Innere Medizin, Neurologie, Pharmakologie, Physiologie, Urologie oder Zahnmedizin.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Brustkrebs-Charakterisierung mit KI

Forschende des Paul Scherrer Instituts PSI und des Massachusetts Institute of Technology MIT nutzen künstliche Intelligenz, um die Einordnung von Brustkrebs zu verbessern. Krebs ist nicht gleich Krebs. Manche Tumore…

Partikelgrößenverteilung im laufenden Mahlprozess messen

Die Wirkungsweise von Pharmazeutika, die Effizienz von Katalysatoren oder die Farbwirkung und Funktionalität von Drucktinten hängen auch von der Größe der darin enthaltenen Nanopartikel ab. Doch es fehlt an Methoden,…

Was bei der Vorhersage der Arzneiwirkung passiert

Forschungsticker Uni Bonn: Welcher Arzneimittelkandidat hat die beste Wirksamkeit für eine bestimmte Erkrankung? Solche Vorhersagen werden am Computer bearbeitet – mit Hilfe des Maschinellen Lernens und anderer Ansätze der Künstlichen…

Partner & Förderer