nAIonate – Artificial intelligence basierte Vorhersage relevanter Pathogen-Cluster in der Neonatologie

Projektbeschreibung

Die Verbreitung von antibiotikaresistenten Krankheitserregern in Krankenhäusern kann für viele Patientinnen und Patienten lebensbedrohliche und langfristige Folgen haben. Für Neu- und Frühgeborene ist eine Infektion mit Krankenhauskeimen besonders gefährlich, da sie ein höheres Infektionsrisiko haben als andere Patientinnen und Patienten, die eine intensivmedizinische Therapie erhalten. Aus diesem Grund wird auf Neugeborenen-Intensivstationen ein spezielles Konzept zur Vorbeugung von Krankenhausinfektionen umgesetzt. Die Stationen werden wöchentlich auf das Vorkommen bestimmter Bakterienarten getestet. Werden entsprechende Erreger gefunden, werden Maßnahmen zur Bekämpfung von Ausbrüchen im Krankenhaus getroffen. Dazu gehört beispielsweise die frühzeitige Isolierung betroffener Säuglinge oder auch die Sperrung von Betten oder ganzen Stationen. Dies kann mit erheblichen Folgekosten verbunden sein.

Hier setzt das Projekt nAIonate an. Die Forscherinnen und Forscher wollen das derzeit auf Neugeborenen-Intensivstationen eingesetzte Konzept zur Vorbeugung von Krankenhausinfektionen mithilfe moderner Genomsequenziertechniken und künstlicher Intelligenz (KI) optimieren. Zu diesem Zweck werden auf vier Intensivstationen Daten von etwa 1.800 Neugeborenen erfasst. Diese Daten werden in einer zentralen Datenbank zusammengeführt und für die weitere Nutzung aufbereitet. Das Potenzial von KI soll genutzt werden, um das Auftreten von antibiotikaresistenten Krankheitserregern vorherzusagen. Mithilfe verschiedener Methoden wie beispielsweise Deep Learning und Machine Learning werden die aufbereiteten Daten weiterverarbeitet, um ein KI-basiertes Modell zur Früherkennung und Vorhersage von Erregerhäufungen im Krankenhaus zu entwickeln und zu testen.

Das Projekt wird für drei Jahre mit insgesamt ca. 1,4 Millionen Euro gefördert.

Das entwickelte Vorhersagemodell kann im Erfolgsfall dazu beitragen, Ausbrüche von Krankheitserregern zu verhindern, schwerwiegende Behandlungen bei Neugeborenen zu verringern und Kosten zu senken. Das Modell lässt sich auch auf andere Patientengruppen übertragen.

Konsortialpartner

Justus-Liebig-Universität Gießen, Universität Münster