Googles Predictive EHR nutzt Machine Learning zur Vorhersage von Gesundheitsereignissen


Ken Terry
6. Februar 2019

Das US-amerikanische Patent- und Markenamt veröffentlichte am 31. Januar die Patentanmeldung von Google für ein "Deep Machine Learning" -System, bei dem Daten zu elektronischen Gesundheitsdaten (EHR) zur Vorhersage zukünftiger Gesundheitsereignisse verwendet werden.

Das System zur Unterstützung klinischer Entscheidungen kann Ärzten auch dabei helfen, Patienten zu identifizieren, die am dringendsten Hilfe benötigen, und kann die wichtigsten klinischen Marker anzeigen, die den Vorhersagen zugrunde liegen, so Google.

Google hat das Konzept im vergangenen Mai angekündigt und im Juli zum Patent angemeldet. Das Patentamt hat noch kein Patent für das vorausschauende EHR-System erteilt.

Das Google-System kann EHR-Daten für Bevölkerungsgruppen und einzelne Patienten sammeln und speichern. Das Unternehmen verwendet das Fast Health Interoperability Resources-Framework von Health Level Seven, um die aus unterschiedlichen EHRs extrahierten Daten zu standardisieren. Dann, ohne dass die Benutzer die Variablen von Interesse angeben müssen, liest das Modell für das tiefe Lernen für jede Vorhersage "alle Datenpunkte vom frühesten bis zum jüngsten und lernt, welche Daten dabei helfen, das Ergebnis vorherzusagen".

Google arbeitete an einer Studie seines Systems mit der University of California, San Francisco, Stanford Medicine und der University of Chicago Medicine zusammen. Das Google-System sei in der Lage, die Mortalität im Krankenhaus, die ungeplante 30-tägige Rückübernahme, die verlängerte Aufenthaltsdauer und die endgültige Entlassungsdiagnose mit einer Genauigkeit zu prognostizieren, die den traditionellen Prognosemodellen überlegen sei.

Die Google-Methode hat den traditionellen Ansatz der Datenaggregation für die prädiktive Modellierung verbessert. "Wichtig ist, dass wir die Daten so wie sie sind verwenden können, ohne den manuellen Aufwand, der normalerweise erforderlich ist, um relevante Variablen in diesen Datensätzen zu extrahieren, zu reinigen, zu harmonisieren und zu transformieren."

In der Patentanmeldung sagte Google, dass das Vorhersagesystem den Ärzten helfen könnte, die Patienten zu priorisieren, und aufzeigen kann, welche Informationen in einem Patientendiagramm angezeigt werden sollen. Diese Informationen könnten den Gesundheitsdienstleistern dabei helfen, problematische Bereiche zu erkennen oder einzugreifen, um die Wahrscheinlichkeit eines unerwünschten Ereignisses zu verringern, so der Antrag.

Aufstieg der Maschinen

Deep Machine Learning und andere Arten künstlicher Intelligenz (KI) werden zunehmend zur Vorhersage klinischer Ereignisse und zur Verbesserung klinischer Protokolle eingesetzt.

Zum Beispiel hat Penn Medicine das maschinelle Lernen genutzt, um die Pfade der Pflege neu zu gestalten und erfolgreich vorherzusagen, welche Patienten wahrscheinlich Sepsis entwickeln, so CIO.com. Das Flagler Hospital in St. Augustine, Florida, hat eine KI-Lösung zur Verbesserung und Standardisierung der Pfade für Patienten mit Lungenentzündung und Sepsis eingesetzt, berichtet HealthcareITNews. Das Gesundheitssystem von Grady in Atlanta, Georgia, soll laut Mobile Health News Berichten zufolge 4 Millionen US-Dollar eingespart haben, indem es Wiederholungen mit einer Kombination aus KI-basierten vorausschauenden Analysen und Eingriffen auf Patientenebene verhindert hat.

Ob solche Instrumente bei Ärzten ankommen oder nicht, hängt im Wesentlichen von deren Genauigkeit ab. Dean Sittig, Professor an der University of Texas Health Sciences Center in Houston, kommentierte das Penn Medicine-Programm in dem Artikel von CIO.com und sagte, dass die Vorhersagen mehr als die Hälfte der Zeit richtig sein müssen, sonst würden die Kliniker nicht zahlen Aufmerksamkeit auf sie.

Die Studie des vorhersagenden EHR-Systems von Google, laut einem Artikel in Nature Partner Journals: Digitale Medizinverarbeiteten 46,8 Milliarden Datenpunkte von 216.221 erwachsenen Patienten, die mindestens 24 Stunden in zwei akademischen medizinischen Zentren im Krankenhaus waren.

Bei der Verwendung einer Skala, bei der 1,00 perfekt und 0,50 nicht besser als die Zufallsrate ist, erzielten die in der Studie verwendeten Modelle eine Vorhersage von 0,86, ob Patienten einen längeren Aufenthalt im Krankenhaus hätten, 0,95 in der Vorhersage der stationären Mortalität und 0,77 in der Vorhersage von unerwarteten Wiederholungen .

QUELLE: Medscape, 06. Februar 2019.