Smartes Arztportal für Betroffene mit unklarer Erkrankung
Patient:innen stellen sich häufig mit nicht-charakteristischen Symptomen in der hausärztlichen Praxis vor. Dabei schildern sie teilweise schwerwiegende Beschwerden, die ihre Lebensqualität deutlich beeinträchtigen. Diese Unklaren und Seltenen Erkrankungen stellen die Allgemeinmediziner:innen vor eine schwierige Aufgabe. Eine entsprechende Weiterversorgung zur Diagnose bei Fachärzt:innen ist vor allem im ländlichen Raum oft schwierig. Zudem gibt es nur wenige spezialisierte Zentren für Seltene Erkrankungen, deren Wartezeiten sehr lang sind. Die adäquate Weiterversorgung dieser Patient:innen ist essentiell, um eine potentiell schwerwiegende Erkrankung mit gefährlichen und chronischen Verlauf frühzeitig zu behandeln. Bisherige digitale Lösungen wie z. B. Diagnose-Apps nennen zwar Verdachtsdiagnosen, lassen jedoch die betreuenden Ärzt:innen vor Ort mit ihren Patient:innen bei der Festlegung weiterer Schritte allein.
An dieser Stelle knüpft das Smarte Arztportal für Betroffene mit unklarer Erkrankung (SATURN) an. Mithilfe von künstlicher Intelligenz (KI), basierend auf Expertenwissen und realen klinischen Daten, werden Diagnosevorschläge gemacht. Weiterführend ist ein Register mit Zentren für Seltene Erkrankungen angebunden, sodass direkt Kontakt mit Spezialistinnen und Spezialisten aufgenommen werden kann. Für den Fall von häufigen Erkrankungen werden Handlungsanweisungen für das weitere Vorgehen zur Verfügung gestellt.
Diagnoseunterstützung mit Künstlicher Intelligenz
Drei unterschiedliche KI Methoden werden auf ihre Nutzbarkeit zur Diagnosefindung untersucht.
- Regelbasiertes System: Ein Entscheidungssystem, welches auf Expertenwissen basiert. Die Wissensbasis beruht auf medizinischen Leitlinien und Interviews mit klinischen Expert:innen. Daraus wird ein Regelwerk erstellt, welches zur Diagnosefindung genutzt werden kann.
- Case-based Reasoning: Das fallbasierte Schließen vergleicht den aktuell eingegebenen Fall mit den Daten der Falldatenbank und führt eine Ähnlichkeitsanalyse durch. Bereits abgeschlossene Fälle mit ähnlichen Parametern stellen eine mögliche Diagnose zur Verfügung.
- Machine Learning: Die Nutzung von Machine Learning Algorithmen ermöglicht eine nichtlineare Modellierung der Daten. Grundlage für das Machine Learning sind klinische Falldaten, in denen der Algorithmus Merkmale und Muster erkennt und diese zur Diagnosefindung einsetzt.
Die klinischen Daten werden – unter Einhaltung der Datenschutz-bestimmung und mit Zustimmung der Ethikkommissionen – von den Datenintegrationszentren (DIZ) der Universitätsklinika Dresden und Frankfurt zur Verfügung gestellt. Um die klinischen Daten auf semantischer und syntaktischer Ebene zu standardisieren, wird ein Common Data Model (CDM) erstellt. Dieses CDM setzt internationale Standards um und bereitet somit den Weg für den internationalen Datenaustausch für Forschungszwecke.
Das SATURN-Portal wird mit dem User-centered Design umgesetzt. Eine Anforderungsanalyse mit einer Fokusgruppe von Hausärzt:innen wurde durchgeführt. Die Implementierung des Portals orientiert sich an dem resultierenden Anforderungskatalog, um eine nutzerfreundliche Anwendung zu schaffen.
Mit dem SE-Atlas (www.se-atlas.de) ist ein Register mit Zentren für Seltene Erkrankungen angebunden, sodass direkt Kontakt mit Spezialist:innen aufgenommen werden kann. Für den Fall von häufigen Erkrankungen werden in Form von Order Sets Handlungsanweisungen für das weitere Vorgehen zur Verfügung gestellt.
