Wenn die Maschine schneller warnt bei Sepsis als die Erfahrung

TLDR: KI erkennt Sepsis früher als jeder Mensch im Stressbetrieb einer Notaufnahme. Das System COMPOSER überwacht still über 150 Patientenvariablen in Echtzeit und war in einer Studie mit einer 17-Prozent-Reduktion der Sterblichkeit assoziiert. Das ist kein Science-Fiction-Versprechen. Das ist bereits klinische Realität.

Die stille Bedrohung im Krankenhaus

Sepsis tötet. Weltweit sterben jedes Jahr Millionen Menschen an einer Infektion, die das Immunsystem ausser Kontrolle gerät. Das tückische: Sepsis schleicht sich an. Frühe Symptome ähneln einer gewöhnlichen Verschlechterung des Allgemeinzustands, bis das Bild kippt. Dann zählt jede Minute.

In einer Notaufnahme, wo täglich Dutzende Patient:innen gleichzeitig beurteilt werden, ist frühe Erkennung kein organisatorisches Problem. Es ist ein kognitives. Der menschliche Blick übersieht nicht aus Gleichgültigkeit, sondern weil er schlicht zu viele Signale gleichzeitig verarbeiten muss.

Genau hier setzt KI an.

COMPOSER: Überwachung im Hintergrund

Das Deep-Learning-Modell COMPOSER wurde in zwei Notaufnahmen von UC San Diego Health in die bestehende Patientenverwaltungssoftware Epic integriert. Kein neues System, keine neue Schnittstelle für das Pflegepersonal. Der Algorithmus arbeitet, wie UCSD selbst formuliert, «silently and safely behind the scenes».

Was er überwacht: mehr als 150 verschiedene Patientenvariablen in Echtzeit. Laborwerte, Vitalparameter, aktuelle Medikation, Vorerkrankungen, demografische Daten. Sobald die Kombination dieser Signale auf ein erhöhtes Sepsis-Risiko hindeutet, erzeugt das System einen Alarm im EHR. Pflegepersonal wird informiert, die Ärzt:innen werden hinzugezogen, eine Behandlung kann früher eingeleitet werden.

Das klingt simpel. Es ist in der Praxis ausserordentlich komplex.

Was die Studie tatsächlich zeigt

In einer quasi-experimentellen Vorher-Nachher-Studie wurden über 6.000 Notaufnahme-Aufnahmen zwischen Januar 2021 und April 2023 ausgewertet. Ergebnis: Der Einsatz von COMPOSER war mit einer 17-prozentigen relativen Reduktion der Krankenhaussterblichkeit bei Sepsis-Patient:innen assoziiert.

Zwei Präzisierungen sind dabei wichtig, denn sie zeigen, wie man mit solchen Daten redlich umgeht:

Erstens handelt es sich um eine Assoziation, nicht um einen Kausalnachweis im klinischen Sinne. Es fehlt das randomisierte Kontrolldesign. Die Studie zeigt eine robuste Korrelation zwischen dem Systemeinsatz und verbessertem Überleben, aber keine isolierte Wirkungskette.

Zweitens ist «17 Prozent» eine relative Zahl. Sie sagt: In der Gruppe mit COMPOSER starben verhältnismässig weniger Menschen als in der Vergleichsgruppe ohne System. Wie gross die absolute Differenz ist, hängt von der Basisrate ab.

Das mindert den Befund nicht. Es kontextualisiert ihn. Und das ist die angemessene Haltung gegenüber KI im klinischen Umfeld.

-WERBUNG- Erfahre mehr zu unseren Kursen und Trainings rund um KI:

https://www.linkedin.com/embeds/publishingEmbed.html?articleId=8966440112652618693&li_theme=light

Was das für KI in der Medizin bedeutet

COMPOSER ist kein Diagnosegerät. Es stellt keine Diagnosen, es entscheidet nichts. Es liefert einen strukturierten Hinweis zum richtigen Zeitpunkt an die richtige Person. Der Mensch trifft die klinische Entscheidung.

Diese Aufgabenteilung ist kein Kompromiss. Sie ist das Modell. KI als Frühwarnsystem, das Signale aus Datenmassen filtert, die kein Mensch in Echtzeit vollständig verarbeiten kann, und das die menschliche Entscheidungskapazität dadurch nicht ersetzt, sondern gezielt entlastet.

Was das in der Breite bedeutet: Systeme wie COMPOSER skalieren. Wenn dieselbe Logik in mehr Kliniken mit mehr Patient:innen eingesetzt wird, sind die kumulativen Auswirkungen auf Mortalitätsraten nicht trivial. Und sie verlangen keine neue medizinische Ausbildung. Sie verlangen Vertrauen in Prozesse, die gut implementiert sind.

Die eigentliche Frage

Die Debatte rund um KI im Gesundheitswesen kreist häufig um das Falsche: Wird die KI Ärzt:innen ersetzen? Ist das ethisch vertretbar? Wem gehören die Daten?

Diese Fragen sind relevant. Aber sie sind nicht die dringlichsten.

Die dringlichste Frage ist: Warum sind Systeme wie COMPOSER nicht Standard? Die Technologie existiert. Die Studienevidenz wächst. Die Infrastruktur ist in vielen Kliniken vorhanden. Was fehlt, sind Implementierungsstrategien, klare Governance-Strukturen und der Wille, bewährte Prozesse anzupassen.

Das ist nicht zuerst ein technisches Problem. Es ist ein organisatorisches.

Wichtigste Erkenntnisse

• COMPOSER überwacht über 150 Patientenvariablen in Echtzeit, integriert in bestehende Kliniksoftware ohne Mehraufwand für das Personal
• Die Studie zeigt eine 17-prozentige relative Reduktion der Krankenhaussterblichkeit bei Sepsis, basierend auf über 6.000 Aufnahmen
• Es handelt sich um eine Assoziation, nicht um einen kausalitätsbeweisenden RCT
• KI im klinischen Kontext ist kein Entscheidungsträger, sondern ein Frühwarnsystem
• Die technische Machbarkeit ist bewiesen; die Implementierungsfrage bleibt die kritische Hürde
• Skalierbarkeit ist der entscheidende Hebel: mehr Kliniken bedeuten kumulativ signifikante Auswirkungen auf Überlebensraten

Fragen zu KI und Digitalen Geschäftsmodellen? #fragRoger

Willst du mehr wissen? Sehr gerne komme ich auch bei Dir, bei deiner Firma, deiner ERFA Gruppe oder deinem Verband vorbei und helfe mit einem Workshop oder Input Referat.

Lass uns gerne mal unverbindlich sprechen. Also wenn ich helfen kann, wende dich gerne an mich #fragRoger und abonnier meinen offiziellen Newsletter: www.FragRoger.social und unserem Podcast

https://www.linkedin.com/embeds/publishingEmbed.html?articleId=7297765541540866947&li_theme=light

Disclaimer: Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.ai und Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt und mit KI verbessert.

Quellen und weitere Informationen:

Quellen (APA)

UC San Diego Health. (2024, January 23). Study: AI surveillance tool successfully helps to predict sepsis, saves lives. https://health.ucsd.edu/news/press-releases/2024-01-23-study-ai-surveillance-tool-successfully-helps-to-predict-sepsis-saves-lives/

UC San Diego Health Innovation. (2024). Impact of a deep learning sepsis prediction model on quality of care and survival. https://healthinnovation.ucsd.edu/publications/impact-of-a-deep-learning-sepsis-prediction-model-on-quality-of-care-and-survival

National Library of Medicine / PMC. (2024). COMPOSER: Deep learning Sepsis prediction in the emergency department (PMC10805720). https://pmc.ncbi.nlm.nih.gov/articles/PMC10805720/

Respiratory Therapy Magazine. (2024). Using AI helped predict sepsis, reduced mortality. https://respiratory-therapy.com/disorders-diseases/critical-care/sepsis/using-ai-helped-predict-sepsis-reduced-mortality/

Healthcare Brew. (2024, April 18). How UC San Diego Health used AI to reduce its sepsis mortality rate. https://www.healthcare-brew.com/stories/2024/04/18/how-uc-san-diego-health-used-ai-to-reduce-its-sepsis-mortality-rate