Forschung: Schnellere Sepsis-Diagnose dank KI

Einem internationalen Forschungsteam unter der Co-Leitung des Universitäts-Kinderspitals Zürich ist es gelungen, mithilfe Künstlicher Intelligenz Daten von über 3.5 Millionen an Sepsis erkrankten Kindern auszuwerten.

Mithilfe von Machine-Learning-Methoden leiteten die Forscherinnen und Forscher evidenzbasierte Kriterien ab, um Sepsis bei Kindern zu diagnostizieren. Sie entwickelten dabei einen neuartigen Score, den «Phoenix Sepsis Score». Dieser erfasst den Schweregrad des Organversagens bei Kindern mit Sepsis schnell und zuverlässig.

«Die Ergebnisse sind von grosser Relevanz. Zum ersten Mal gibt es standardisierte und evidenzbasierte Kriterien, welche in Zukunft die Früherkennung dieser gefährlichen Krankheit nachhaltig verbessern können», sagt Luregn Schlapbach, Professor für Pädiatrische Intensivmedizin an der Universität Zürich und Chefarzt Intensivmedizin am Universitäts-Kinderspital Zürich. Zusammen mit Scott Watson vom Seattle Children’s Hospital, USA hat er die Studie geleitet.

Das Big-Data-Projekt verwendete erstmals auch Daten aus Entwicklungsländern in Südamerika, Afrika und Asien. Die neuen Kriterien können deshalb in kleinen und grossen Spitälern sowie in unterschiedlichen Gesundheitssystemen weltweit eingesetzt werden.

Das Universitäts-Kinderspital Zürich engagiert sich aktiv für den Nationalen Aktionsplan gegen Sepsis mit Fokus auf Kinder. Ebenso wird, in Zusammenarbeit mit der Universität Zürich, mithilfe von Künstlicher Intelligenz an neuen Biomarkern und weiteren innovativen Methoden zurr Verbesserung der Diagnose und Behandlung von Sepsis geforscht.

Wie es in der Mitteilung heisst, sei die aktuelle Studie auch von Bedeutung für das Nationale Programm zur Qualitätsverbesserung bei Sepsis, finanziert durch die Schweizerische Qualitätskommission. Das Programm zielt darauf ab, den Nationalen Aktionsplan gegen Sepsis umzusetzen, um die Prävention, Früherkennung, Behandlung und Nachsorge der Sepsis bei Kindern und Erwachsenen zu verbessern.