KI soll Planung von Patientenströmen im Krankenhaus verbessern

Ein Forschungsvorhaben an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) untersucht, wie Krankenhäuser Patientenströme präziser steuern können. Der Wirtschaftsinformatiker Dr. Sven Weinzierl entwickelt dafür ein KI-gestütztes Prognosemodell. Das Projekt erhält eine Förderung von 40.000 Euro durch die Daimler und Benz Stiftung.

Das geplante System soll vorhersagen, wie sich der Behandlungsverlauf von Patientinnen und Patienten entwickelt. Dazu gehören unter anderem die voraussichtliche Aufenthaltsdauer, mögliche Verlegungen oder notwendige Behandlungen. Grundlage sind klinische Daten wie Alter, Vorerkrankungen oder aktuelle Vitalparameter. Solche Prognosen können Kliniken bei der Organisation von Abläufen und der Planung von Ressourcen unterstützen.

Bisher kommen in diesem Bereich häufig statistische Modelle zum Einsatz. Diese sogenannten White-Box-Modelle gelten als transparent und gut nachvollziehbar. Ihre Aussagekraft ist jedoch begrenzt, weil sie vor allem lineare Zusammenhänge abbilden.

Deep-Learning-Verfahren liefern oft genauere Ergebnisse. Sie gelten jedoch als schwer erklärbar, weil ihre Entscheidungswege kaum nachvollziehbar sind. Gerade im Gesundheitswesen spielt Transparenz eine zentrale Rolle, etwa aus rechtlichen Gründen.

Weinzierl kombiniert deshalb beide Ansätze. Das Projekt nutzt neuronale generalisierte additive Modelle, die statistische Transparenz mit den Lernfähigkeiten moderner KI verbinden. Für den klinischen Einsatz müssen diese Modelle weiterentwickelt werden, etwa um zeitlich aufeinanderfolgende Vitaldaten zu berücksichtigen.

Nach der Anpassung sollen die Modelle mit freigegebenen klinischen Datensätzen trainiert und getestet werden. Parallel entsteht eine nutzerfreundliche Schnittstelle für das medizinische Personal. Das geplante Werkzeug soll Behandlungsabläufe übersichtlicher machen und die Planung von Personal und Ressourcen unterstützen.