Messgeräte auf Intensivstationen schlagen oft Alarm. Allerdings sind viele dieser Alarme Fehlalarme. Wegen dieser Fehlalarme besteht die Gefahr, dass echte Alarme untergehen. Pflegende und Ärzte haben daher ein Interesse, dass sich die Zahl von falschen Alarmen deutlich reduziert, erklärt die Eidgenössische Technische Hochschule Zürich (ETH) in einer Mitteilung.
Forscher der ETH haben nun in Zusammenarbeit mit Kollegen an der Neurochirurgischen Intensivstation des Universitätsspitals Zürich eine Methode des maschinellen Lernens entwickelt, die solche Fehlalarme reduzieren soll. „Damit der Computer lernen kann, müssen üblicherweise zuvor Menschen eine bestimme Zahl von Alarmen als relevant oder nicht-relevant beurteilen“, erklärt Walter Karlen, Professor für mobile Gesundheitssysteme an der ETH. Allerdings sei die Klassifikation von Alarmen auf Intensivstationen durch Menschen Sisyphusarbeit. Daher hat es ein System gebraucht, das auch dann lernfähig ist, wenn Pfleger oder Ärzte nur wenige Alarme klassifizieren.
Mit der Methode der ETH-Forscher reichten schon 25 oder 50 manuelle Beurteilungen durch Experten aus, um einen Grossteil der Fehlalarme auszusortieren. „Insbesondere bei einer solch geringen manuellen Hilfestellung ist die neue Methode anderen existierenden Machine-Learning-Methoden überlegen”, so die ETH. Die Leistungsfähigkeit des Algorithmus soll nun in einer vorausblickenden klinischen Studie geprüft werden. ssp
Weitere News
Kontaktieren Sie uns
Unsere Services sind kostenlos und beinhalten:
- Vermittlung von Schlüsselkontakten in Industrie, Wissenschaft und Verwaltung
- Beratung zu rechtlichen Rahmenbedingungen, Steuern, Arbeit, Markt und Unternehmensgründung
- Massgeschneiderte Besichtigungen, einschließlich Büro- und Co-Working-Space