Herzinsuffizienz in Norwegen: Klinische Merkmale, Mortalität und Ressourcennutzung im Gesundheitswesen

Die Prävalenz von Herzinsuffizienz bei über 70-Jährigen liegt bei 10 % und die 5-Jahres-Sterblichkeitsrate bei über 60 % und damit höher als bei Krebs. Die Wiedereinweisungsrate nach einem Krankenhausaufenthalt liegt trotz der Verfügbarkeit lebensverlängernder und lebensqualitätssteigernder Behandlung bei 44 %. Es mangelt an Ressourcen für eine angemessene diagnostische Aufarbeitung, die für die Umsetzung einer evidenzbasierten Behandlung erforderlich ist. Dieses Projekt zielt darauf ab, den Einfluss einer leitlinienbasierten Diagnostik und einer leitlinienbasierten Behandlung von Herzinsuffizienz auf die Sterblichkeits- und Wiedereinweisungsraten zu bewerten. Da in den elektronischen Patientenakten nur die Symptome vorliegen, die den Grad der Herzinsuffizienz und die Entlassungsmedikation bestimmen, werden diese Informationen mithilfe künstlicher Intelligenz abgerufen, um zu beurteilen, ob die Behandlung den Leitlinien entspricht.

Das Projekt verwendet zunächst einen regelbasierten Textverarbeitungsansatz mit IBM Watson und geht dann zu einem maschinellen Lernansatz über, der Rückübernahme und Sterblichkeit als Endpunkte verwendet.

Das Projekt hat Zugriff auf digital gespeicherte echokardiographische Messungen sowie digitale EKGs und Labordaten von 15.000 Patienten, die mit der Diagnose Herzinsuffizienz aufgenommen wurden. Wenn die Erfassung von Symptomen und Funktionen durch künstliche Intelligenz erfolgreich ist, besteht der nächste Schritt darin, zu beurteilen, ob anhand von Informationen aus EKGs, Labordaten oder Symptomen und Funktionsfähigkeit, wie in den elektronischen Gesundheitsakten beschrieben, diejenigen identifiziert werden können, die am meisten von der Echokardiographie profitieren.