KI-basierte Erkennung von intraoperativen Zwischenfällen in der Tiermedizin

Thema des Projekts ERIZT (Erkennung von intraoperativen Zwischenfällen in der Tiermedizin auf Basis von künstlicher Intelligenz) war die Erkennung und Vorhersage von intraoperativen Zwischenfällen bei operativen Eingriffen in der Tiermedizin mit Hilfe von Künstlicher Intelligenz (KI). Das Projekt wurde im Rahmen des Förderaufrufs »KI-Innovationswettbewerb Baden-Württemberg für Verbundforschungsprojekte: Wissens- und Technologietransfer stärken« des Ministeriums für Wirtschaft, Arbeit und Tourismus vom 21. Juli 2020 in dem Zeitraum Januar bis Dezember 2021 durchgeführt. Die Projektpartner Fraunhofer IAO, Eickemeyer und SMARTIT haben, im engen Austausch mit Tierarztpraxen, eine Pipeline für die Datenerfassung während der Operationen in den Kliniken, die Übertragung zu einer Cloud-Plattform, die Aufbereitung und die KI-gestützte Analyse und Vorhersage in der Cloud entwickelt. Dabei kamen sowohl statistische als auch Deep-Learning-Verfahren zum Einsatz, um Prognosen für den Zeitverlauf von Vitalparametern zu generieren. U. a. wurden die Bibliotheken TensorFlow Keras und statmodels eingesetzt. Als wesentliche Erkenntnis aus dem Projekt lässt sich zusammenfassen, dass die statistischen Verfahren nur bedingt geeignet waren, da diese über den derzeitigen Verlauf einer Zeitreihe hinaus schlecht generalisieren. Deep-Learning-Verfahren wie LSTM, die über mehrere Operationen hinweg generalisieren, erreichten eine bessere Performanz, deren Ergebnisse wurden im Rahmen von Expertengesprächen mit Tierärzten als gut bewertet. Nach Projektabschluss wollen die Projektpartner die Weiterentwicklung der Lösung hin zu einer Kommerzialisierung verfolgen. Als weiteres Forschungsthema wurde das Thema Diagnose-Assistenz auf Basis von KI identifiziert. Perspektivisch ist eine Übertragung der Daten von der Tiermedizin auf die Humanmedizin erwünscht.