Project Details
Description
Patienten auf der Intensivstation werden kontinuierlich mit dem Ziel überwacht, kardiale Instabilitäten und hämodynamische Entgleisungen zu detektieren. Allerdings werden die erhobenen Parameter bisher nicht regelhaft dazu verwendet, eine akute kardiale Verschlechterung vorherzusagen. Zum derzeitigen Zeitpunkt existieren hierfür lediglich rudimentäre Algorithmen, und es ist im Detail nicht bekannt, welche Kombinationen von hämodynamischen Veränderungen einer generellen klinischen Verschlechterung vorausgehen. Durch eine Auswertung der im Regelbetrieb erhobenen Parameter mit modernen Methoden des Deep Learning könnte eine Vorhersage einer Verschlechterung der PatientInnen möglich sein, was den behandelnden ÄrztInnen ein präventives Eingreifen ermöglichen würde.
Status | Finished |
---|---|
Effective start/end date | 31.12.2018 → 30.11.2021 |
Collaborative partners
- Johannes Kepler University Linz (lead)
- Kepler Universitätsklinikum GmbH (Project partner)
- RISC Software GmbH (Project partner)
Fields of science
- 302 Clinical Medicine
- 302004 Anaesthesiology
- 302031 Intensive care medicine