iXplain_CDS erforscht und entwickelt am PLRI KI-basierte klinische Entscheidungsunterstützungen, die durch ihr interoperables Design klinikübergreifend eingesetzt werden können und durch Erklärungskomponenten die Belastbarkeit der Vorhersagen sowie das Vertrauen von Mediziner:innen und Patient:innen erhöhen.
Ein Fokus liegt auf Partizipation während der Entwicklung und ein weiterer auf der Evaluation im klinischen Setting sowie der Translation der entwickelten Systeme. Die Themen erstrecken sich von post-akuten Infektionssyndromen über infektiöse Krankheiten, wie Noroviren, und Frakturen bis hin zur Unterstützung von Tumorkonferenzen sowohl in Hinsicht auf Diagnostik und Therapieplanung als auch Patientenedukation.
Wenn Sie Fragen zu unserer wissenschaftlichen Arbeit haben, können Sie sich jederzeit an uns wenden:
1. Unterstützung klinischer Entscheidungen
Medizinische Fachkräfte treffen täglich komplexe Entscheidungen (z. B. Diagnosen, Therapieplanung). Dies geschieht oft unter Zeitdruck und mit großen, heterogenen Datenmengen. Das Projekt entwickelt klinische Entscheidungsunterstützungssysteme, die:
- umfangreiche Routinedaten schnell verarbeiten können,
- Entscheidungen evidenzbasiert unterstützen,
- dabei helfen, die Arbeitsbelastung zu reduzieren und
- die Qualität der Entscheidungen verbessern.
2. Vertrauen durch Erklärbarkeit
Künstliche Intelligenz und datengetriebene Systeme werden nur dann in der klinischen Praxis akzeptiert, wenn ihre Empfehlungen für Ärztinnen und Ärzte nachvollziehbar und transparent sind. Das Projekt adressiert deshalb explizit die Erklärbarkeit (Explainability). Ein wichtiger Faktor für Vertrauen und Akzeptanz bei medizinischem Personal und Patienten.
3. Interoperabilität für klinikübergreifende Nutzung
Daten und Systeme in Krankenhäusern sind oft heterogen und nicht kompatibel. Durch den Fokus auf interoperable Systeme soll die Entscheidungsunterstützung klinikenübergreifend nutzbar werden, nicht nur lokal.
4. Praxisnahe Fallbeispiele
Erste konkrete Anwendungen („Use Cases“) zeigen das Potenzial in realen klinischen Szenarien.
Das Projekt setzt sich insbesondere folgende Ziele:
- Entwicklung interoperabler klinischer Entscheidungsunterstützungssysteme
Systeme sollen so gestaltet sein, dass sie über unterschiedliche Klinikinformationssysteme hinweg einsetzbar sind. - Steigerung von Vertrauen und Akzeptanz
Durch verständliche, erklärbare Empfehlungen soll Vertrauen bei Ärzt:innen und Patient:innen gefördert werden. - Integration und Nutzung heterogener Daten
Klinische Routinedaten, auch patientengenerierte Daten, sollen effizient integriert und analysiert werden. - Evaluation in klinischen Kontexten
Praktische Bewertung der entwickelten Systeme in realen Anwendungsszenarien.
Interoperabilität
- Offene Standards und Plattformkompatibilität: Systeme werden so entwickelt, dass sie mit verschiedenen Datenplattformen und klinischen Umgebungen zusammenarbeiten können.
Erklärbarkeit (Explainable AI)
- Transparente Modelle: Algorithmen sollen nicht nur Vorhersagen liefern, sondern auch verständlich machen, wie und warum sie zu diesen Ergebnissen kommen – entscheidend für klinische Akzeptanz.
Verarbeitung heterogener Daten
- Multidimensionale klinische Daten, wie strukturierte Routinedaten, Bilddaten, nicht klinische Daten (z. B. sensorbasierte Informationen), werden analysiert und in Entscheidungsprozesse eingebunden.
Klinische Use Cases
- Neuroradiologie und Bildauswertung
- Infektionsverlauf Prognosen bei COVID 19
