Blog

Jun 11, 2024

Untersuchung von Anwendungsfällen für KI und IT-Tools im Rettungsdienst

Quelle: Thinkstock 25. Juli 2023 – Rettungsdienste (EMS) und Ersthelferteams spielen eine entscheidende Rolle bei der Bereitstellung einer zeitnahen, lebensrettenden Gesundheitsversorgung. Um die Notfallversorgung besser zu gestalten

Quelle: Thinkstock

25. Juli 2023 – Rettungsdienste (EMS) und Ersthelferteams spielen eine entscheidende Rolle bei der Bereitstellung einer zeitnahen, lebensrettenden Gesundheitsversorgung. Um die Notfallversorgung effizienter zu gestalten und die Patientenergebnisse zu verbessern, prüfen viele Rettungsdienstorganisationen potenzielle Anwendungsfälle für künstliche Intelligenz (KI) und Gesundheits-IT-Tools.

Allerdings können sich Unterschiede in der Art der Rettungsdienste, der Finanzierung, der Anzahl und Zusammensetzung der Belegschaft, den Ressourcen und dem Datenzugriff, wie im National Emergency Medical Services Assessment 2020 hervorgehoben, darauf auswirken, auf welche Technologien und Anwendungsfälle eine Organisation abzielen kann.

Laut Experten können KI- und IT-Tools zwei der häufigsten Probleme im Rettungsdienst beheben: die Gewährleistung maximaler Verfügbarkeit und Stabilität der mobilen Software für das Notfallmanagement und die Verbesserung der Patiententriage.

Die EMS-Abteilung des University of Pittsburgh Medical Center (UPMC) verfolgt einen anderen Ansatz zur Optimierung ihrer Arbeitsabläufe und zur Verbesserung der Patientenergebnisse, indem sie ein maschinelles Lerntool (ML) entwickelt, das Elektrokardiogramme (EKG/EKG) zur Klassifizierung kardialer Ereignisse verwendet.

Typischerweise verwenden Rettungskräfte und anderes medizinisches Personal Klassifizierungssysteme wie Anamnese, EKG, Alter, Risikofaktoren und Troponin (HEART)-Score, um Patienten mit Brustschmerzen einer Risikostratifizierung zu unterziehen, erklärte Christian Martin-Gill, MD, Leiter der EMS-Abteilung bei UPMC . Der HEART-Score gilt neben der Interpretation von EKGs durch erfahrene Ärzte als Goldstandardmaß für die Bewertung potenzieller kardialer Ereignisse.

Allerdings kann es eine Herausforderung sein, Patienten mit einem schwerwiegenden kardialen Ereignis wie einem Herzinfarkt genau zu stratifizieren und zu identifizieren. Unklare EKGs stellen eine große Hürde dar, mit der sich Pflegeteams bei der Triagierung von Patienten mit Brustschmerzen auseinandersetzen müssen. Diese können zu Verzögerungen bei der Versorgung führen, die sich negativ auf die Patientenergebnisse auswirken können.

Martin-Gill wies darauf hin, dass zusätzlich zu diesem Problem Einschränkungen bei häufig verwendeten Risikobewertungen auch potenzielle Mängel bei der Triage von Brustschmerzen darstellen.

„Wenn Sie an klinische Risikoscores wie den HEART-Score denken, basiert dieser größtenteils auf Faktoren der Patientengeschichte und dann auf einigen klinischen Faktoren, wie einem Blut-Herzenzym und dann unserer allgemeinen Interpretation des EKG, jedoch ergänzt durch einige frühere medizinische Untersuchungen Vorgeschichte oder andere klinische Risikofaktoren wie das Alter“, erklärte er. „Und jede dieser Arten von Risikofaktorbewertungen basiert im Allgemeinen auf einer Handvoll Datenpunkten. Wenn Sie an Menschen denken, die diese Symptome entwickeln, bewerten sie möglicherweise ein Dutzend oder zwei Dutzend Faktoren, die bei jemandem das Risiko einer Diagnose im Vergleich zu einer anderen erhöhen könnten. Dann entwickeln wir diese Risikobewertungen auf der Grundlage der wenigen Merkmale, die jemanden prädisponieren oder mit dieser Diagnose verbunden sind.“

ML ermöglicht die gleichzeitige Analyse von Hunderten von Merkmalen in einem EKG. Martin-Gill betonte, dass diese Algorithmen eine große Menge an Rohdaten für jeden Patienten basierend auf EKG-Messungen verarbeiten könnten und so einen umfassenderen Überblick über die Herzgesundheit des Patienten liefern könnten.

Das von Martin-Gill und seinem Team entwickelte und in Gesundheitssystemen außerhalb von UPMC extern validierte ML-Tool kann fast 700 in EKGs gefundene Merkmale untersuchen und Rettungsteams dabei helfen, Erkrankungen wie Herzischämie oder Verstopfungen in den Blutgefäßen zu erkennen. Das Tool soll die menschliche Interpretation von EKGs unterstützen, da Algorithmen eine größere Anzahl von Datenmerkmalen analysieren und interpretieren können, darunter auch solche, die mit bloßem Auge möglicherweise nicht erkennbar sind.

„Wir betrachten dies als ein Werkzeug, das die Interpretation des 12-Kanal-EKGs durch einen Arzt oder Sanitäter nicht ersetzen soll, aber einer der nächsten Schritte, die wir unternehmen, ist die Entwicklung eines Dashboards, in das wir die Informationen einfügen können Der Algorithmus nimmt zu“, sagte Martin-Gill.

Er wies außerdem darauf hin, dass das Tool den Benutzern helfen soll, Teile des EKGs genauer zu untersuchen, die abnormal oder wichtig, aber subtil sind und daher leicht zu übersehen sind.

In den kommenden Jahren wird das Tool in Zusammenarbeit mit dem Bureau of Emergency Medical Services der Stadt Pittsburgh eingesetzt.

Nachdem das ML-Tool nun entwickelt und extern validiert wurde, gab Martin-Gill an, dass das Team daran interessiert sei, wie die von ihm generierten Informationen am besten genutzt werden können. Im Kontinuum der Betreuung der Triage von Thoraxpatienten müssen drei Gruppen von Gesundheitsfachkräften berücksichtigt werden: Rettungssanitäter vor Ort, Notärzte oder medizinische Einsatzärzte des Rettungsdienstes, die online medizinische Anweisungen erteilen, und Kardiologen, die für fortgeschrittene Eingriffe verantwortlich sind.

Im Rahmen der Partnerschaft arbeitet Martin-Gills Team mit diesen Mitarbeitern an Fokusgruppen, um ein Dashboard zu erstellen, das eine verbesserte Entscheidungsfindung und Pflegekoordination zwischen Rettungsdiensten und Klinikärzten ermöglicht.

„Mit diesem Dashboard können Sie sich vorstellen, dass ein Sanitäter ein 12-Kanal-EKG erstellt und es an ein medizinisches Kommunikationszentrum sendet, eine Einrichtung, in der ein Notfallmediziner oder ein Rettungsdienstarzt anwesend ist, mit dem der Sanitäter sprechen wird im Radio oder am Telefon“, erklärte er.

„[Das EKG] wird während der Übertragung von unserem maschinellen Lernmodell interpretiert und über dieses Dashboard verarbeitet“, fuhr er fort. „Das wird dann dem Arzt am anderen Ende der Leitung angezeigt, der zusätzlich zur eigenständigen Interpretation der 12 Ableitungen auch die einzelnen [vom ML markierten] Merkmale betrachten kann.“

Von dort aus können Ärzte den Rettungsdienst anleiten, um zu bestimmen, in welches Krankenhaus der Patient transportiert werden soll oder welche medizinischen Eingriffe je nach Wahrscheinlichkeit eines Herzereignisses erforderlich sein könnten. Diese Erkenntnisse könnten sich auch darauf auswirken, welche Eingriffe der Kardiologe im Krankenhaus für den Patienten durchführen möchte.

Martin-Gill betonte, dass Tools wie der ML-Algorithmus und das Dashboard ein erhebliches Potenzial zur Verbesserung der EMS-Patiententriage haben.

„Wir leisten bereits hervorragende Arbeit bei der Identifizierung von Patienten, die sich mit Brustschmerzen oder anderen atypischen Symptomen im Hinblick darauf vorstellen, wer ein Ereignis oder einen Herzinfarkt erleiden könnte. Wir haben jedoch immer noch viele Möglichkeiten, Personen zu identifizieren, bei denen die offensichtlichsten Ereignisse nicht auftreten, insbesondere wenn es um die EKG-Interpretation geht“, sagte er. „Diese Algorithmen sind wirklich der nächste Schritt für uns, diese besser zu interpretieren und mehr dieser Patienten zu identifizieren, damit wir sie besser risikostratentieren und die Patienten, die es wirklich brauchen, früher versorgen können.“ möglicherweise auch, um diejenigen zu identifizieren, bei denen ein wirklich geringes Risiko für ein Ereignis besteht, und um zu verhindern, dass sie sehr umfangreiche Test- oder Beobachtungszeiträume haben müssen.“

Laut Thomas Craighton, Koordinator der Hardin County, Iowa Emergency Management Agency, stehen Ersthelfer beim Einsatz mobiler Software zur Alarmierung und Verwaltung von Vorfällen vor einer Vielzahl von Herausforderungen.

Er erklärte, dass diese Technologien zwar für die Unterstützung von Rettungskräften von entscheidender Bedeutung seien, sie jedoch über Mobilfunknetze laufen, was problematisch sein könne.

„Unser erstes Problem ist immer, dass die Einsatzkräfte entscheiden, keinen Pager bei sich zu haben und sich auf diese Technologie verlassen“, erklärte er. „Aber weil wir wissen, dass die Mobilfunktechnologie Schwachstellen und Engpässe hat, wird das zu einem riesigen Problem.“

Mobilfunknetze sind jedoch die beste Option zur Sicherung von Rettungsdienst-Paging-Systemen, da sie zusätzliche Informationen bereitstellen, die Ersthelfern helfen können, wie z. B. den Standort. Diese Netzwerke ermöglichen es Rettungsdienstmitarbeitern in Kombination mit dem End-to-End-Notfallreaktionssystem IamResponding, den Ort eines Vorfalls zu empfangen und ihn auf ihren Mobiltelefonen abzubilden.

Dadurch können Ersthelfer effizienter zum Unfallort navigieren, unabhängig davon, ob sie von zu Hause oder von der Station kommen, da viele dieser Personen Freiwillige sind, bemerkte Craighton.

Eine weitere Herausforderung liegt in der Koordination und Kommunikation, auch weil viele Rettungsdienste über einen hohen Anteil ehrenamtlicher Mitarbeiter verfügen. Wenn Menschen von zu Hause aus auf einen Vorfallalarm reagieren, kann es schwierig sein, zu bestimmen, welches und wie viele Personen zum Unfallort gehen sollen.

Ein durchgängiges Notfallreaktionssystem ermöglicht es den Mitgliedern des Rettungsteams, ihren Reaktionsstatus anzuzeigen, sodass andere Mitarbeiter schnell beurteilen können, wie viele Einsatzkräfte verfügbar sind und wer am Einsatzort ankommt.

Craighton sagte, dass Ersthelfer auf einigen Stationen ihren Status genauer angeben können, mit Optionen wie „zur Station gehen“, „zum Einsatzort gehen, bitte bringen Sie meine Ausrüstung mit“ oder „nicht reagieren“.

Sobald Disponenten die Seite zur Benachrichtigung des Personals über einen Vorfall bereitstellen, können diese Antworten genutzt werden, um zu verstehen, wie viele Teammitglieder reagieren und was sie benötigen. Wenn nicht genügend Mitarbeiter reagieren, können die Kommunikationsmitarbeiter in Echtzeit andere Abteilungen anrufen.

Trotz der Vorteile der Nutzung einer Lösung wie IamResponding – das laut Craighton ein äußerst häufiges Tool ist, das von Ersthelferorganisationen verwendet wird – stellt die Aufrechterhaltung des Betriebs, des Betriebs und der Stabilität des Systems zusätzliche Hürden für EMS-Teams dar, insbesondere für solche, die klein sind oder größtenteils aus Mitarbeitern bestehen Freiwillige.

Vielen dieser Organisationen fehlt die Zeit, das Personal, die Ressourcen und das Fachwissen, um Probleme mit dem Notfallreaktionssystem, auf das sie angewiesen sind, zu beheben. Hardin County hat daran gearbeitet, dem entgegenzuwirken, indem es mit dem IT-Supportunternehmen MiPi Support zusammenarbeitet, das Unterstützung und Schulungen bei der Einrichtung dieser Systeme für einzelne Abteilungen bietet und ihnen so die effektive Nutzung der Technologie erleichtert.

Craighton erklärte, dass die Partnerschaft über den typischen IT-Support hinausgeht und seinem Unternehmen erheblich dabei geholfen hat, die Herausforderungen im Zusammenhang mit der Verwendung mobiler Softwaretechnologien für die Alarmierung von Vorfällen zu bewältigen.

Das Unternehmen ist auf die IT-Unterstützung für Ersthelferorganisationen spezialisiert, was bedeutet, dass sie nicht nur über ein umfassendes Verständnis dieser Notfallreaktionssysteme verfügen, sondern auch darüber, wie Rettungsdienstorganisationen funktionieren und welche Bedürfnisse sie haben, fügte er hinzu.

Das Unternehmen fungiert auch als Verbindungsmann zwischen dem Landkreis und IamResponding und hilft dabei, festzustellen, ob die Software bestimmte Features oder Funktionalitäten unterstützt. Wenn eine gewünschte Funktion nicht unterstützt wird, kann das Unternehmen dies mit IamResponding teilen, um EMS-Organisationen dabei zu helfen, effektiver Feedback zu geben.

Neben der Bereitstellung von Support bietet das Unternehmen Software und kleine Computer an, um die Disposition zu verbessern und eine laufende Überwachung des Notfallreaktionssystems zu gewährleisten, erklärte Craighton.

Mit der Software des Unternehmens kann Hardin County die Lücke in der Versandkommunikation schließen, die durch die Verwendung von Funkgeräten und Pagern entsteht. Das Tool leitet Meldungen direkt an die Telefone der Ersthelfer weiter und hilft so, das Personal besser zu alarmieren, wenn es seinen Pager nicht dabei hat oder sich außerhalb der Reichweite befindet.

Der Landkreis nutzt außerdem die Überwachungssoftware des Unternehmens, um potenzielle Probleme zu erkennen und zu beheben, bevor sie zu Systemausfällen führen. Wenn Probleme festgestellt werden, meldet sich der MiPi-Vertreter des Landkreises, um sie zu melden und bei der Behebung zu helfen, was laut Craighton die Ausfallzeiten erheblich reduziert. Dies kann dazu beitragen, die Effizienz des Rettungsdienstes und die Reaktionszeiten im Notfall zu verbessern.

Craighton betonte, dass diese IT-Unterstützung einen erheblichen Wert für sein Unternehmen gezeigt habe und wies darauf hin, dass sie zu Ergebnissen geführt habe, die er zu keinem anderen Zeitpunkt seiner Karriere gesehen habe.

„Ich bin jetzt erst seit fünf Jahren in diesem Landkreis, aber in meinem vorherigen Landkreis gab es das nicht“, sagte er. „Dann musste ich Probleme mit IamResponding selbst kennen und herausfinden. Jetzt ist es viel einfacher, einfach [unseren Vertreter] anzurufen, ihm eine E-Mail zu schicken, was auch immer. Und innerhalb einer Stunde oder höchstens eines halben Tages sind die Dinge repariert und wieder online und einsatzbereit.“

Die Erfahrungen von Martin-Gill und Craighton unterstreichen, dass die Anwendungsfälle für KI- und IT-Tools im Rettungsdienst vielfältig sind, die COVID-19-Pandemie jedoch kritische Lücken in der Notfallmedizin aufgezeigt hat, die diese Lösungen allein nicht schließen können. Vor der breiten Einführung dieser Tools durch Gesundheitssysteme und Rettungsdienstorganisationen müssen die Beteiligten ethische und rechtliche Hürden identifizieren und angehen und gleichzeitig die Best Practices der Branche einhalten.