Objektive Überwachung der Sedierung in der Endoskopie mit künstlicher Intelligenz (SAFE-AI)
Der aktuelle Sedierungsstandard in der Endoskopie, die Propofolgabe durch speziell geschulte Pflegekräfte, darf für Patienten mit geringen Risiko für Komplikationen als sicher angesehen werden. Das Risiko sedierungsassoziierter Komplikationen steigt bei multimorbiden Patienten jedoch rapide an. Bisher fehlt es an einem objektiven Überwachungsinstrument der Endoskopiesedierung, um drohende Komplikationen früh zu erkennen und die Dosistitrierung zu unterstützen.
Das vorgestellte Projekt wird ein auf Biosignaldaten basierendes Modell mit Methoden künstlicher Intelligenz erstellen, dass diese Lücke schließen soll. Als wesentliche Modellvariablen dienen berechnete Parameter eines frontotemporalen EEGs, sowie weitere Biosignale. Verschiedene Ansätze mit und ohne Repräsentationslernen und mit Einbezug der Historie, sowie Deep-Learning auf Basis der Rohdaten, werden konkurrierend exploriert. Als Datenbasis wird ein hochaufgelöster und mit klinischen Ereignissen (wie Bewusstseinsverlust, Sedierungstiefe, Komplikationen und in Sedativagaben) Echtzeit-annotierter Biosignaldatensatz der Endoskopiesedierung erstellt.
Die Ergebnisse dieses auf 3 Jahre ausgelegten Projekts sollen die Basis für die Entwicklung eines Medizinprodukts mit anschließender klinische Evaluation sein.
Ansprechpartner:
Dr. med. Jakob Garbe
Universitätsklinikum Halle (Saale)
Halle (Saale)
