Automatisierung klinischer Prozesse mit Hilfe von KI, HCI und Data Science

Im Rahmen des Digitalisierungsmodellprojekts zum wissensbasierten Leistungsmanagement in der Radiologie sollen konkret die Anforderungsprozesse für bildgebende Verfahren, aber auch die radiologische Befundung schrittweise automatisiert werden. Auf Seiten der Leistungsanforderung können mit Hilfe von Informationsextraktion unstrukturierte Daten aus Arztbriefen und Sprachnachrichten ausgewertet und kategorisiert werden. Unter Einsatz von Machine Learning beziehungsweise Deep Learning-Methoden und Künstlicher Intelligenz können die Daten als Recommender-Ansätze zur Entscheidungsunterstützung verwendet werden mit dem langfristigen Ziel, nachvollziehbare Empfehlungssysteme für die Leistungsanforderung zur Unterstützung der anfordernden Ärzte zu etablieren. Die Automatisierung radiologischer Befundungsprozesse kann auf ähnliche Weise realisiert werden, indem zunächst Korrelationen zwischen verschiedenen medizinischen Fragestellungen und den dazugehörigen Ergebnissen aus Befundberichten analysiert werden. Durch Informationsextraktion aus Freitexten wie unstrukturierten Arztbriefen oder Sprachdateien werden die Daten unter Einsatz von Künstlicher Intelligenz und Machine Learning in strukturierte Texte transformiert und sollen langfristig den Radiologen durch automatisierte Befunderstellung unterstützen.

Zielgrößen, die durch das Digitalisierungsmodellprojekt verbessert werden, sind neben der Entlastung der Ärzte und einer effizienteren Arbeit und Kostenersparnis in der Klinik auch die Zufriedenheit der Patienten, da diese weniger durch überflüssige Untersuchungen, verzögerte Behandlungsprozesse und vermeidbare Strahlenexposition belastet werden. Dies führt zu einer präzisen und effizienten Patientenbehandlung und ermöglicht eine effektive Arztentlastung. Durch das Modellprojekt wird zudem ein umfassender Wissenspool aufgebaut, der durch Big Data und Data Science-Anwendungen zu einer gesteigerten Behandlungsqualität beiträgt.