Hybrid-QI – Hybride Qualitätsindikatoren mittels Machine Learning-Methoden
Projektbeschreibung
Bereits heute werden Routinedaten von Patientinnen und Patienten zur Qualitätssicherung der stationären Versorgung genutzt. Sie erlauben die Analyse des gesamten Behandlungsverlaufs sowie von Ereignissen außerhalb des eigentlichen Klinikaufenthalts, z. B. die Sterblichkeit nach 30 Tagen, Erfolge oder Komplikationen bei der Nachbehandlung. Neben dieser patientenorientierten Verlaufsperspektive bieten Routinedaten den Vorteil des geringen Erhebungsaufwands und der hohen Datenvollständigkeit, allerdings bestehen Einschränkungen bei den analysierbaren Outcomes und Risikofaktoren. Die Berücksichtigung von Risikofaktoren ist notwendig, um eine vergleichende Qualitätsmessung zu ermöglichen. Es wird angenommen, dass in klinischen Daten weitere potenziell relevante Risikofaktoren und Outcomes dokumentiert werden können (z. B. Glasgow-Koma-Skala und Aphasie bei Schlaganfallpatienten).
Ziel des Projekts ist die Entwicklung sogenannter hybrider Qualitätsindikatoren (Hybrid-QI) basierend auf GKV-Routinedaten, die mit einem minimalen Set an klinischen Daten verknüpft werden. Diese Hybrid-QIs sollen exemplarisch für die Indikationen Herzinfarkt, Hirninfarkt, kolorektale Resektion bei Karzinom und Schulterendoprothese oder Bruch des schulternahen Oberarms entwickelt werden. Bei der Entwicklung der Hybrid-QIs sollen Machine Learning-Methoden eingesetzt werden, um effizienter als mit herkömmlichen Methoden Variablen zur Bildung von Risikoadjustierungsmodellen auszuwählen. Darüber hinaus soll ein Konzept für eine dynamische Plattform für nutzerzentrierte, zeitnahe Qualitätsmessung erstellt werden. Das Projekt wird für drei Jahre mit insgesamt ca. 1,6 Millionen Euro gefördert.
Im Erfolgsfall kann die entwickelte Methodik für weitere Fragestellungen zur Identifikation von Zusammenhängen in medizinischen Daten genutzt werden. Von der besseren Vernetzung von Daten kann nicht nur die Qualitätssicherung, sondern auch die gesamte Versorgungsforschung profitieren.
Konsortialpartner
Technische Universität Dresden - Zentrum für Evidenzbasierte Gesundheitsforschung, Helios Kliniken GmbH
Themenfeld: Perspektiven und Potenziale des Einsatzes Künstlicher Intelligenz (KI) in der Versorgung
Sitz des Antragstellers: Berlin
Laufzeit: 07/2021 – 06/2024
Status: Abschlussbericht wird erstellt
Förderkennzeichen: 01VSF20013
Kontakt
Christian Günster
AOK-Bundesverband GbR
Wissenschaftliches Institut der AOK (WIdO)
Rosenthaler Straße 31
10178 Berlin
+49 30 346462128
christian.guenster@wido.bv.aok.de