Kollege KI in der Notfallmedizin: Linzer Studie zeigt, wie maschinelles Lernen die Triage verbessert

In der Notaufnahme zählt jede Sekunde. Ärzt:innen müssen in kürzester Zeit lebenswichtige Entscheidungen treffen – rasch, sicher und unter hohem Druck. Künstliche Intelligenz (KI) kann sie dabei unterstützen: Sie ist längst keine Zukunftsvision mehr, sondern wird bereits heute in der Notfallmedizin eingesetzt, um Informationen schneller zu verknüpfen, Risiken früher zu erkennen und Entscheidungen gezielter vorzubereiten.

Die Notfallmedizin, betont Priv.-Doz. Dr. Martin Dünser, DESA, EDIC, Leiter der Sektion Notfallmedizin der Österreichischen Gesellschaft für Anästhesiologie, Reanimation und Intensivmedizin (ÖGARI) und Leiter des Bereichs Notfallmedizin und Klinische Forschung an der Universitätsklinik für Anästhesiologie und Intensivmedizin des Kepler Universitätsklinikums Linz, »Ist ein Fachgebiet, in dem Sekunden über Leben und Tod entscheiden können. Eine schnelle, strukturierte und interdisziplinäre Versorgung ist entscheidend – und hier kann digitale Unterstützung helfen, Prozesse zu optimieren, Fehlerquellen zu minimieren und die Behandlungsqualität zu verbessern.«

KI-Systeme werden zunehmend eingesetzt, um in Echtzeit Vitalparameter, Symptome und Anamnesedaten zu analysieren. Dadurch kann die Dringlichkeit von Patient:innen objektiver eingeschätzt, Wartezeiten in stark frequentierten Notaufnahmen reduziert und Ressourcen gezielter eingesetzt werden.

Linzer Studie bestätigt: Maschinelles Lernen unterstützt klinische Entscheidungen bei Triage und Frühwarnsystemen

Ein aktuelles Beispiel liefert eine Studie des Kepler Universitätsklinikums Linz[1], die gemeinsam mit internationalen Partnern durchgeführt wurde (Using emergency department triage for machine learning-based admission and mortality prediction). Darin wurden KI-Modelle auf Vitalwerte trainiert, welche in den ersten zehn Minuten nach Eintreffen in der Notaufnahme erhoben wurden, um den weiteren Behandlungsbedarf und das Risiko einer 30-Tage-Sterblichkeit vorherzusagen.

Analysiert wurden Daten von über 58.000 Patient:innen. Die KI-Modelle sagten mit hoher Genauigkeit voraus, ob eine Aufnahme auf die Beobachtungsstation (AUC 0,84), auf die Intensivstation (AUC 0,82) oder ein erhöhtes Risiko für eine 30-Tage-Sterblichkeit (AUC 0,93) bestand. Solche präzisen Vorhersagen es in der Zukunft ermöglichen, dass Risikopatient:innen frühzeitig identifiziert, Behandlungsentscheidungen gezielter getroffen und die vorhandenen klinischen Ressourcen effizienter eingesetzt werden können.

»Diese Studien zeigen, wie wertvoll digitale Modelle sein können, um Entscheidungen in der Notaufnahme zusätzlich abzusichern«, erklärt Martin Dünser und verweist darauf, dass die letztendliche Entscheidung immer Aufgabe des klinischen Teams bleiben muss.

Vom Notfallort bis ins Krankenhaus

Auch im präklinischen Bereich, also im Rettungsdienst, gewinnt KI an Bedeutung. Sie kann helfen, den optimalen Zielort für Patient:innen zu bestimmen oder den Zustand während des Transports laufend zu analysieren. Ziel sei es, so Dünser, »Eine durchgehende und optimal abgestimmte Versorgung vom Einsatzort bis in die Klinik sicherzustellen – etwa durch prähospitale Bluttransfusionen oder die gezielte Auswahl des geeigneten Zielkrankenhauses.«

Darüber hinaus unterstützen KI-Systeme die radiologische Diagnostik, indem sie Röntgen- und CT-Bilder rascher und präziser auswerten oder aus unstrukturierten Daten relevante Informationen für Forschung und Qualitätsmanagement extrahieren. Auch im Rettungsdienst kann KI bereits bei der Interpretation von Ultraschalluntersuchungen assistieren.

Virtuelle Notfallversorgung

In der Telemedizin eröffnet KI neue Möglichkeiten, Triage, Diagnostik und Therapieempfehlungen in virtuellen Notfallsettings zu unterstützen. Dadurch kann die Zugänglichkeit und Effizienz der notfallmedizinischen Versorgung – sowohl präklinisch als auch innerklinisch – deutlich gesteigert werden. Besonders in ländlichen Regionen hilft sie, Versorgungslücken zu schließen und die Kommunikation zwischen Rettungsdienst, Notaufnahme und Fachabteilungen zu verbessern.

Zukünftige Fortschritte und die klinische Implementierung solcher Systeme erfordern die Weiterentwicklung und Prüfung von Algorithmen, gezielte Schulung des medizinischen Personals sowie klare ethische und rechtliche Rahmenbedingungen, um Datenschutz, Patientensicherheit und Akzeptanz zu gewährleisten.

Ärztliche Verantwortung bleibt unersetzlich

Künstliche Intelligenz kann die Notfallmedizin verändern – nicht als Ersatz, sondern als Verstärkung menschlicher Expertise. Sie kann helfen, Situationen schneller zu erfassen, Entscheidungen zu stützen und die Qualität der Versorgung zu sichern.

»Der entscheidende Faktor bleibt jedoch der Mensch selbst. Ein echter Mehrwert entsteht nur, wenn die technische Präzision der KI und das klinische Urteilsvermögen des Menschen Hand in Hand gehen«, bekräftigt Priv.-Doz. Dr. Martin Dünser, Leiter der Sektion Notfallmedizin der ÖGARI.

[1] Tschoellitsch T, Seidl P, Böck C, Maletzky A, Moser P, Thumfart S, Giretzlehner M, Hochreiter S, Meier J. Using emergency department triage for machine learning-based admission and mortality prediction. Eur J Emerg Med. 2023 Dec 1;30(6):408-416. doi: 10.1097/MEJ.0000000000001068.