Institut für Digitalisierung in der Medizin

Apache Superset meets Kafka and Deep-Learning

Digitale Prozesse ergeben erst dann einen Sinn, wenn die dadurch entstehende Werte auch analysiert werden. Dazu braucht es leistungsstarke und flexible Visualisierungsmöglichkeiten. Ziel des Projektes ist die Etablierung einer modernen Dashboard-Infrastruktur, die den aktuellen Zustand des Universitätsklinikums darstellen und mittels KI-Methoden diesen in die Zukunft prädizieren kann.

Kontakt: Mohammad Fattouh, Torben Lauck

Advancing Cardiovascular Risk Identification with Structured Clinical Documentation and Biosignal Derived Phenotypes Synthesis

Ziel des BMBF-Verbundprojekts ACRIBiS ist die Verbesserung der individuellen Risikobewertung bei der Vorbeugung, Diagnostik und Behandlung von Herz- und Kreislauferkrankungen. Hierzu werden an 15 Partnerstandorten klinische Informationen mit Biosignaldaten kombiniert und die standardisierte Prozessierung der EKG-Rohdaten von ca. 4.500 Patientinnen und Patienten angestrebt. Die Etablierung der Biosignal-Analysen erfolgt auf der Basis der Infrastruktur der Medizininformatik Initiative (MII) und zielt darauf ab, Patienten durch Bereitstellung einer App in die individualisierte Risikobewertung einzubeziehen. Damit kann ACRIBIS einen wichtigen Teil zur Entwicklung einer interoperablen Infrastruktur medizinischer Daten beitragen und auf Patientenebene den Weg zu einer nachweislich effektiven und dynamisch adaptiven klinischen Entscheidungshilfe ebnen. Ziel des Teilvorhabens in Freiburg ist die Umsetzung der im Konsortium erarbeiteten Konzepte für die Kombination von Biosignalverarbeitung mit strukturierten Daten und die Rekrutierung von ca. 250 Patientinnen und Patienten. Dazu wird die ACRIBiS-Infrastruktur in die Routine-Prozesse und das Datenintegrationzentrum (DIZ) integriert.

Laufzeit: 2023 - 2027
Förderer: Implementierung der Biosignal-Phänotypisierung (gesundheitsforschung-bmbf.de)
Kontakt: Sebastian Siegel

INTERventional POLypharmacy – drug interActions – Risks

Ziel des BMBF-Verbundprojekts INTERPOLAR ist es, in Krankenhäusern Patientinnen und Patienten mit besonders hohem Risiko für Medikationsfehler und Nebenwirkungen mittels eines Algorithmus zu identifizieren. Sind diese bekannt, können Stationsapothekerinnen und -apotheker ihre Ressourcen genau dorthin lenken, wo ein maximaler Patientennutzen erreicht werden kann. Mittels einer Studie werden die Ergebnisse der Intervention geprüft. Ein Nachweis des Nutzens der Intervention wird die Einführung des Modells in anderen Krankenhäusern erheblich befördern.

An diesem Medizininformatik-Use Case der Medizininformatik-Initiative (MII) sind 17 Hochschulen und Universitätskliniken beteiligt. Ziel des Teilvorhabens in Freiburg ist es, im Rahmen einer Translationsstudie zu untersuchen, ob die entwickelten Algorithmen auch in anderen Standorten ähnliche Ergebnisse liefern, um zu prüfen, ob die Ergebnisse robust und verallgemeinerbar sind. Hierzu wird die Intervention auf sechs verschiedenen Stationen im Universitätsklinikum eingesetzt.

Laufzeit: 2023 - 2026
Förderer: INTERPOLAR - Medizininformatik-Use Case "INTERventional POLypharmacy – drug interActions – Risks" (gesundheitsforschung-bmbf.de)
Kooperationspartner: Apotheke der Uniklinik Freiburg
Kontakt: Torben Lauck

Delir-Risiko mit KI reduzieren

Gemeinsam mit Pflegefachpersonen entwickeln die Forscherinnen und Forscher des Projekts KIDELIR ein hybrides KI-Unterstützungssystem zum Erkennen eines Delir-Risikos. So soll eine praktische Entscheidungshilfe für Pflegefachpersonen entstehen, die die Durchführung zeitiger und individueller Präventions- sowie Behandlungsmaßnahmen im Pflegealltag unterstützt. Die zugrundeliegende Datenbasis setzt sich zusammen aus Daten unterschiedlicher Quellen, die zusammengeführt werden und es dem System ermöglichen, per Mustererkennung entsprechende Handlungsempfehlungen zu geben. Am Institut für Digitalisierung in der Medizin (IDIM) werden die Delir-relevanten Daten aus der elektronischen Patientenakte extrahiert und für Echtzeit-KI-Analysen bereitgestellt.

Laufzeit: 2022 - 2025
Förderer: KIDELIR — Miteinander durch Innovation (interaktive-technologien.de)
Kooperationspartner: Geriatrie der Uniklinik Freiburg, Hochschule Furtwangen, Meona GmbH Freiburg
Kontakt: Mohammad Fattouh

Das digitale Nervensystem des Krankenhausinformationssystems (KIS)

Die Überwachung klinischer Prozesse hinsichtlich Qualität und Leitlinienadhärenz sowie deren Steuerung durch Clinical Decision Support (CDS) können einen wichtigen Beitrag zur Erhöhung der Therapiesicherheit leisten. Dies erfordert die Integration aller entscheidungsrelevanten Informationen, wie z.B. Ergebnisse der bildgebenden Diagnostik, Pathologiebefund, klinischer Befund und Anamnese. Aktuell sind diese Informationen auf verschiedene IT-Systeme verteilt und/oder nur als Freitext verfügbar. Das UKF plant daher, die Daten über Eventstreaming mit einem zentralen FHIR-Server als Clinical Data Repository zusammenzuführen und für CDS nutzbar zu machen.

Laufzeit: 2021 - 2025
Förderer: Krankenhauszukunftsgesetz (KHZG) - BMG (bundesgesundheitsministerium.de)
Kontakt: Christian Haverkamp

KI im neurochirurgischen OP

Das FRAI.lab im neurochirurgischen OP ist ein Projekt der KI-Allianz BW und konkretisiert das Spannungsfeld von Medizintechnik, KI und Präzisionsmedizin. Es werden konkrete Use-Cases für die Real-World-Erprobung komplexer Medizinprodukte erarbeitet und mit unterschiedlichen Partnern umgesetzt. Ziel ist dabei die Integration in den realen Workflow der Neurochirurgie und das Krankenhausinformationssystems des Klinikums sowie die Erschließung multidimensionaler Sensordaten für KI-Anwendungen. Dabei werden die kommerziellen Interessen aller beteiligten Partner berücksichtigt, damit ein langfristiges Finanzierungsmodell entstehen kann.

Laufzeit: 2024 - 2025
Förderer: Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg, Mertelsmann Foundation
Projektpartner: Klinik für Neurochirurgie, Uniklinik Freiburg
Kontakt: Felix Heilmeyer

Im Rahmen der KI-Allianz BW werden in verschiedenen Regionen des Landes Baden-Württemberg KI-Innovationscluster aufgebaut und miteinander vernetzt. Ein Projekt befasst sich mit dem Aufbau einer umfassenden Datenplattform, die Akteuren einen möglichst einfachen Zugang zu hochwertigen Datensätzen ermöglichen soll, die für die Entwicklung und Anwendung zuverlässiger KI-Lösungen unerlässlich sind. Bei medizinischen Daten stellen sich hier besondere Herausforderungen an Datenschutz, IT-Sicherheit und Ethik.

Am UKF werden fünf Arbeitspakete umgesetzt: (1) Die im Rahmen der Medizininformatik-Initiative und der BW-Health-Cloud für Forschungszwecke erschlossenen medizinischen Daten werden gemeinwohlorientiert verfügbar gemacht. (2) Es werden synthetische Daten generiert, die für nicht-medizinische Anwendungsfälle nutzbar sind. (3) Es wird ein Konzept für Anwendungsfälle entwickelt, bei denen keine hinreichende Anonymisierung der Daten möglich ist (bring the algorithms to the data). (4) Es wird ein Vertragstemplate erstellt, das das Trainieren von KI-Modellen auf medizinischen Daten regelt. (5) Es wird eine rechtliche und ethische Konformitätsbewertung der im Verbund erarbeiteten Lösungen durchgeführt.

Laufzeit: 2024 - 2025
Förderer: Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg
Projektpartner: Fraunhofer-Institute IOSB & IPA, KIT & FZI Karlsruhe, Universitäten Stuttgart & Tübingen, Stadt Freiburg, Hochschule Aalen
Kontakt: Martin Hinze

In Kooperation mit der Klinik für Neurologie wird untersucht, ob kommerzielle Systeme zur Terminvergabe, wie Doctolib, geeignet sind, den Workflow von Hochschulambulanzen mit ihren komplexen Anforderungen abzubilden.

Kontakt: Christian Haverkamp

Aktuell gibt es in den verschiedenen Tools des Klinikinformationssystems herstellerabhängige Formulare, die nicht interoperabel sind. FHIR (Fast Healthcare Interoperability Resources) Questionnaires ermöglichen es, strukturierte Informationen über Fragebögen, Abfragen und Assessments zu speichern, auszutauschen und zu verarbeiten. Sie definieren, wie diese Informationen strukturiert und codiert werden sollen, um eine einheitliche Darstellung und Interpretation zu gewährleisten.

Kontakt: Christian Haverkamp

In diesem Kooperationsprojekt mit Averbis sollen die Anwendungsmöglichkeiten generativer Sprachmodelle (LLMs) im Gesundheitswesen erforscht und entwickelt werden. Das Ziel besteht darin, innovative Lösungen zu schaffen, die den dokumentarischen Prozess im klinischen Umfeld optimieren. Durch das Zusammenführen des medizinischen Fachwissens und der Patientendaten der Uniklinik Freiburg mit der Expertise von Averbis im Bereich der KI-gestützten Textanalyse und -verarbeitung können maßgeschneiderte Modelle entwickelt werden, die den komplexen Anforderungen des klinischen Arbeitsumfeld gerecht werden.

Kontakt: Christian Haverkamp, Felix Heilmeyer

Ein wichtiger Teil der Routine auf der Intensivstation sind die regelmäßigen Besuche von Ärzten und Krankenschwestern, die sich über den aktuellen Zustand des Patienten informieren. Diese spiegeln jedoch nur den Zustand des Patienten zu einem bestimmten Zeitpunkt wieder. Einige kurze und zuerst unbedeutende erscheinende Bewegungen während der restlichen Zeit am Tag könnten übersehen werden. Gerade diese Bewegungsmuster könnten jedoch entscheidende Hinweise liefern und große Bedeutung für den Erfolg der Behandlung haben. Zu diesem Zweck wollen wir ein System entwickeln, das in der Lage ist, die Motorik von Intensivpatienten kontinuierlich zu überwachen. Um dies zu erreichen, werden wir verschiedene Möglichkeiten der Bildanalyse nutzen, z.B. die Aufnahme einer Wärmebildkamera. 

Kontakt: Torben Lauck

Die präzise und schnelle Bestimmung schockfähiger Herzzustände ist ein entscheidender Schritt zur Verbesserung der Überlebenschancen von Patienten mit plötzlichem Herzstillstand. Ziel des Projekts ist, die automatisierte Merkmalsextraktion und Klassifizierung von EKG-Daten mit residualen neuronalen Netzen zu untersuchen. Damit sollen die Algorithmen verbessert werden, mit denen automatische externe Defibrillatoren die schockbaren Rhythmen erkennen.

Kontakt: Sebastian Siegel

Die rechtzeitige Behandlung eines Schlaganfalls ist entscheidend für die Minimierung von Hirnschäden. Daher werden Methoden gesucht, um Schlaganfall-Symptome möglichst rechtzeitig zu erkennen, z.B. über den „Face, Arms, and Speech Test“ (FAST). In diesem Projekt wird untersucht, ob der Armschwächetest mit dem integrierten Video-Tracking eines iPhones durchgeführt werden kann.

Kontakt: Vittorio Lippi

Innovative EXOskelett Steuerung für SMOOTH Assistance

Exoskelette sind tragbare robotische Geräte, die um den Körper eines Menschen herum angelegt werden, um Bewegungen zu unterstützen, zu verstärken oder zu ermöglichen. Diese Technologie, die oft aus einer Kombination von mechanischen Elementen, Sensoren und Aktuatoren besteht, kann in verschiedenen Anwendungen eingesetzt werden, von der medizinischen Rehabilitation bis hin zur militärischen Nutzung. Im EXOSMOOTH-Projekt wird die Wirksamkeit einer neuartigen Kontrollstrategie für eine reibungslose Unterstützung untersucht, bei der die Phasenübergänge so gesteuert werden, dass die Exoskelette dem Benutzer eine sanftere Unterstützung bieten.

Kontakt: Vittorio Lippi
Weitere Information: Posturob II