NRW-Universität entwickelt KI-Frühwarnsystem für Kliniken
Infektionsausbrüche in Krankenhäusern früh zu erkennen, ist eine zentrale Aufgabe für Patientensicherheit und Krankenhaushygiene. An der Universität Duisburg-Essen (UDE) entwickelt ein interdisziplinäres Forschungsteam im Projekt VaSequIs (Validierung von Verfahren zur Sequenzierung von Isolaten) ein Frühwarnsystem auf Grundlage von Künstlicher Intelligenz (KI), das Daten aus Patienten-, Trinkwasser- und Abwasserproben zusammenführt.
Ziel ist es, Erregermuster schneller sichtbar zu machen, mögliche Ausbruchsgeschehen früher einzuordnen und Infektionsketten besser nachvollziehen zu können. Am Universitätsklinikum Essen (UKE) kommen dafür erstmals automatische Probennehmer zum Einsatz, die mithilfe von KI rund um die Uhr Abwasserproben entnehmen. Diese werden anschließend molekularbiologisch untersucht und ihre DNA-Abfolge bestimmt, um das infektionspräventive Potenzial zu ermitteln.
Im Interview mit NRW.Global Business sprechen Prof. Dr. Jan Kehrmann vom Institut für Medizinische Mikrobiologie und Prof. Dr. Folker Meyer vom Institut für Künstliche Intelligenz in der Medizin über VaSequIs, die Verbindung von Sequenzierung und KI sowie die Bedeutung des Projekts für die Forschung, Kliniken und den Gesundheitsstandort NRW.
Krankenhäuser erfassen bereits viele Informationen zu Infektionen und Erregern. Wo liegen heute die größten Herausforderungen in der frühzeitigen Erkennung von Ausbrüchen? Welchen Beitrag kann VaSequIs leisten?
Die schnelle Erkennung von Ausbrüchen im Krankenhaus ist entscheidend, um weitere Infektionserkrankungen zu verhindern, insbesondere wenn es eine bislang nicht identifizierte Quelle gibt. Dafür werden viele Informationen gesammelt: Laborbefunde, Erregernachweise und epidemiologische Daten. Diese werden in enger Zusammenarbeit mit der Krankenhaushygiene ausgewertet und interpretiert.
Die Herausforderung besteht darin, aus vielen einzelnen Befunden frühzeitig Veränderungen zu erkennen, wie beispielsweise ein ungewöhnliches Auftreten von Erregern mit bestimmten Antibiotikaresistenzmustern. Neue molekulare Verfahren wie das Next Generation Sequencing (NGS), also moderne und computergestützte DNA-Sequenzierungsmethoden, und Projekte wie VaSequIs eröffnen hier zusätzliche Möglichkeiten. Durch NGS von Frisch- und Abwasser sowie Sequenzierung von Patientenisolaten könnten Veränderungen oder Erregerhäufungen frühzeitig erkannt werden. Dabei wird nicht nur nach einzelnen bekannten Erregern gesucht, sondern das gesamte Erbgutmaterial in einer Probe untersucht.
Solche Ansätze könnten künftig ein wertvolles Frühwarnsystem sein und helfen, gezielter und schneller zu reagieren. Die Erkenntnisse aus VaSequIs könnten somit die Grundlage zur Verbesserung von Infektionspräventionsmaßnahmen sein.
Welchen Unterschied macht die automatisierte bzw. KI-basierte Abwasserprobenentnahme am UKE im Vergleich zu herkömmlichen und punktuellen Untersuchungen?
Keine Klinik ist vor bakteriellen Infektionen vollständig geschützt. Durch die zunehmende Verbreitung antibiotikaresistenter Erreger wird die Bedeutung einer frühzeitigen Erkennung und Prävention in Zukunft weiter zunehmen.
Genau hier setzt VaSequIs an. Unser Ziel ist es, „vor die Lage zu kommen“, also potenzielle Infektionsereignisse möglichst frühzeitig vorherzusagen. Dazu entwickeln wir derzeit für die einzelnen Kliniken des Universitätsklinikums Essen KI-Modelle. Sie analysieren die kontinuierlich erhobenen Daten aus dem Abwasser, die mit den in der medizinischen Mikrobiologie und Krankenhaushygiene vorhandenen Informationen zu Infektionen und Erregern zusammengeführt werden. Wir ergänzen die bereits sehr umfangreichen klinischen Daten damit um eine zusätzliche Dimension: das kombinierte Mikrobiom aller Personen, die sich in einem Gebäude aufhalten – und zwar so, wie es sich im Abwasser widerspiegelt.
Der eigentliche Mehrwert entsteht durch die Verknüpfung dieser unterschiedlichen Datenquellen. Die Abwasserdaten sind außerordentlich komplex und enthalten eine Vielzahl biologischer Signale, die ohne moderne KI-Methoden kaum zuverlässig ausgewertet werden können. Nur durch die Kombination der Expertise aus medizinischer Mikrobiologie, Krankenhaushygiene und KI wird es möglich, relevante Veränderungen und Trends zu erkennen. Auf dieser Grundlage können wir bei Bedarf Maßnahmen einleiten, bevor sich ein größeres Infektionsgeschehen entwickelt. Erste Ergebnisse zeigen bereits, dass bestimmte Entwicklungen zum Teil mehrere Wochen im Voraus vorhergesagt werden können. Wenn es gelingt, auch nur einige Tage früher zu reagieren, wäre dies aus Sicht der Infektionsprävention ein echter Paradigmenwechsel.
Ein weiterer Vorteil besteht darin, dass die Datenerhebung vollständig nicht-invasiv erfolgt. Ohne zusätzliche Belastung für Patientinnen und Patienten und ohne die Erhebung personenbezogener Daten können wir wertvolle Informationen über die mikrobielle Situation eines Gebäudes gewinnen.
Die Krankenhaushygiene und die medizinische Mikrobiologie leisten bereits heute hervorragende Arbeit im Rahmen der etablierten Infektionssurveillance. Diese ist jedoch naturgemäß zeit- und personalintensiv. VaSequIs soll diese Verfahren nicht ersetzen, sondern um eine zusätzliche, kontinuierlich verfügbare Frühwarnkomponente ergänzen. Die routinemäßige Untersuchung von Abwasser hat bereits während der COVID-19-Pandemie ihren Wert für die Einschätzung epidemiologischer Entwicklungen gezeigt. Mit den heute verfügbaren KI-Methoden können wir dieses Potenzial nun gezielt für die Krankenhausmedizin erschließen.
VaSequIs vereint Expertise aus medizinischer Mikrobiologie, KI-Forschung, Krankenhaushygiene und dem Transfer in die Praxis. NRW bietet dafür mit seinen Universitätskliniken, Forschungseinrichtungen und starken KI-Kompetenzen ein besonders dichtes Innovationsökosystem. Inwiefern profitieren Projekte wie VaSequIs von diesem Umfeld und welche Chancen sehen Sie für NRW, sich als führender Standort für medizinische KI-Anwendungen in Deutschland und Europa zu positionieren?
Nordrhein‑Westfalen verfügt über eine in Deutschland einzigartige Dichte an Universitätskliniken, Forschungseinrichtungen und technologieorientierten Unternehmen. Für ein Projekt wie VaSequIs ist dieses Umfeld von unschätzbarem Wert, weil hier medizinische, mikrobiologische, epidemiologische und datenwissenschaftliche Expertise unmittelbar zusammenkommen.
Die Verbindung von KI und Infektionsmedizin stellt dabei einen besonderen Schwerpunkt in NRW dar. Bereits heute arbeiten wir beispielsweise gemeinsam mit dem Universitätsklinikum Münster an Verfahren zur Vorhersage bakterieller Antibiotikaresistenzen auf Basis genomischer Daten. Solche Kooperationen zeigen, welches Potenzial in der engen Vernetzung der Standorte liegt.
Hinzu kommt, dass Nordrhein‑Westfalen über eine starke KI-Forschungslandschaft verfügt. Dadurch können neue Methoden deutlich schneller entwickelt, validiert und in die klinische Praxis überführt werden. Gleichzeitig profitieren die KI-Forschenden von den großen Datenmengen und den realen Anwendungsfällen aus der Medizin. Diese wechselseitige Verstärkung ist ein wesentlicher Erfolgsfaktor.
Sollte sich VaSequIs – und vieles deutet derzeit darauf hin – erfolgreich etablieren, wäre der nächste logische Schritt die Ausweitung des Ansatzes auf weitere Universitätskliniken in Nordrhein‑Westfalen. Erste Gespräche hierzu laufen bereits. Dadurch könnte ein landesweites Netzwerk für die KI-gestützte Infektionsüberwachung entstehen, das nicht nur die Patientenversorgung verbessert, sondern NRW auch als Vorreiter für datengetriebene Präventions- und Frühwarnsysteme positioniert.
Mit Blick auf KI und Datenanalyse: Können perspektivisch auch andere Bereiche von Methoden oder Erfahrungen aus VaSequIs profitieren, in denen Gesundheits-, Umwelt- oder Infrastrukturdaten frühzeitig und automatisiert ausgewertet werden müssen?
Absolut. Die im Projekt entwickelten KI-Modelle dienen zwar zunächst dazu, aus komplexen Abwasserdaten Rückschlüsse auf Infektionsgeschehen zu ziehen. Die zugrundeliegenden Methoden sind jedoch wesentlich allgemeiner einsetzbar.
Bereits heute nutzen wir vergleichbare Ansätze in anderen medizinischen Anwendungsfeldern. So konnten wir ähnliche Modelle erfolgreich einsetzen, um Behandlungserfolge nach Organtransplantationen vorherzusagen. Die Fähigkeit, aus großen, heterogenen und zeitlich variierenden Datensätzen relevante Muster zu erkennen, ist nicht auf die Infektionsmedizin beschränkt.
Darüber hinaus eignen sich die entwickelten datenwissenschaftlichen Verfahren für zahlreiche Anwendungen außerhalb des Gesundheitswesens. Im Kern geht es darum, seltene, aber relevante Signale in sehr großen und komplexen Datenmengen zuverlässig zu identifizieren – bildlich gesprochen die „Nadel im Heuhaufen“ zu finden. Genau diese Herausforderung findet sich auch in vielen technischen und industriellen Bereichen wieder.
Ein Beispiel ist die vorausschauende Wartung technischer Anlagen. Werden kontinuierlich Sensordaten erfasst, können KI-Modelle frühzeitig auf Veränderungen hinweisen, die auf einen bevorstehenden Ausfall hindeuten. Ähnliche Ansätze sind in der Umweltüberwachung, bei kritischen Infrastrukturen oder in der Energieversorgung denkbar.