Forschungsprojekte
Clinical Data PROSPER
Für die Planung des Operationsalltags ist eine zunehmende Menge an medizinischen Informationen und komplexen Prozessdaten zu verwerten. Aktuell wird diese Planung durch qualifizierte Ärzte rein auf Grundlage der klinischen Erfahrung manuell vorgenommen und fortwährend an die aktuelle Situation angepasst. Häufig führt dies dazu, dass die tatsächliche OP-Dauer deutlich von der geplanten Dauer abweicht, sodass Folgeoperationen verschoben werden müssen. Notfälle verkomplizieren die Situation zusätzlich.
Im Rahmen des Projekts soll eine Plattform entwickelt und eingebunden werden, die mit Hilfe von Machine-Learning-Technologien effiziente und datenbasierte Entscheidungsvorgänge für diesen Prozess ermöglicht. Damit soll die OP-Planung durch Digitalisierung und künstliche Intelligenz (KI) optimiert werden. Auf Basis retrospektiver OP-Daten soll ein automatisiertes Planungs-Tool entstehen, welches OP-Dauern präzise prognostizieren kann und folglich den OP-Alltag durch eine verbesserte Planung und Ressourcenauslastung optimiert. Ähnliche Verfahren und Anwendungen sind in der industriellen Produktionsplanung und -steuerung schon seit Längerem etabliert. Im Projektverbund sollen diese Verfahren für den Gesundheitssektor eingesetzt werden und ein Softwareprototyp für die Anwendung in der klinischen Praxis getestet werden.
Dadurch wird eine optimierte, zeitgemäße OP-Planung ermöglicht, die einen enormen Mehrwert für die medizinische Versorgung bietet:
- Vermeidung von Wartezeiten, Patienten profitieren von erhöhter Planungssicherheit
- Reduktion von Stressbelastung
- Einhaltung multimodaler Behandlungspläne
- Bessere Steuerung, dadurch effektivere Ressourcenplanung und -auslastung (OP Saalauslastung, Bettenbelegung, Personalplanung, Materialplanung)
- positive Auswirkung auf klinische Mitarbeiter
- Qualitätssteigerungen und wesentliche Kosteneinsparungen
- Gefördert von: SAB
- Fördernummer: 100379935
- Kontaktperson: Karsten Wendt
- Webseite des Projekts: link
- Projektlaufzeit: 11/2019 bis 12/2022