Versorgungsprognosen auf Basis von Routinedaten der gesetzlichen Krankenversicherungen (GKV) werden meist mit klassischen Regressionsmodellen erstellt. Das Innovationsfondsprojekt KI-THRUST des BKK Dachverbandes (in Kooperation mit aQua-Institut und Universitätsmedizin Göttingen) verfolgt einen neuen Ansatz: können KI-Methoden helfen, Versorgungsengpässe früher zu erkennen bzw präziser vorherzusagen? Am Beispiel des Krankenhaus-Entlassmanagements sollte geklärt werden, welches Potenzial KI-gestützte Vorhersageverfahren im Vergleich zu konventionellen Methoden haben. Dazu wurden 3 KI-Modelle mit strukturierten Datenbeständen (ca. 1,4 Mio Versicherten-Daten, 4 Mio Krankenhausaufenthalte) trainiert und dann anhand der Outcomes „Mortalität“ und „ungeplante Wiederaufnahmen“ innerhalb von 30 Tagen nach Entlassung getestet. Das Ergebnis: Die Anwendbarkeit von KI-Verfahren ist prinzipiell möglich. Während sich für das Outcome „Mortalität“ eine ausgezeichnete Vorhersagegüte ergab, konnte das Outcome „ungeplante Wiederaufnahme“ nicht überzeugen: die Vorhersagegüte war nicht akzeptabel. Dennoch sehen die Analysten bei stark vorstrukturierten Daten teils geringfügig bessere Vorhersagen als bei Regressionsmodellen.
Quelle: Digitale Veranstaltung BKK INNOVATIV „KI-THRUST – Bedarfe erkennen und Gesundheit gestalten mit Methoden der künstlichen Intelligenz“, 20.11.2024
Bildquelle:© Artvision – stock.adobe.com
