gms | German Medical Science

53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

15. bis 18.09.2008, Stuttgart

Erhebung von Expertenwissen und dessen Umsetzung in ein automatisiertes krankheitsspezifisches Beatmungssystem mit Fuzzy Logik

Meeting Abstract

  • Sara Lozano - Hochschule Furtwangen, Villingen-Schwenningen, Deutschland
  • Dominik Gottlieb - Universitätsklinik, Freiburg, Deutschland
  • Josef Guttmann - Universitätsklinik, Freiburg, Deutschland
  • Knut Möller - Hochschule Furtwangen, Villingen-Schwenningen, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Stuttgart, 15.-19.09.2008. Düsseldorf: German Medical Science GMS Publishing House; 2008. DocMI4-5

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2008/08gmds121.shtml

Veröffentlicht: 10. September 2008

© 2008 Lozano et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung

Die Beatmungstherapie ist ihrer Komplexität wegen nur von speziell geschulten Intensivmedizinern durchführbar. Durch die „primitiven“, d.h. nur auf die Einstellungen des Atemmusters beschränkten Interaktionsmöglichkeiten mit dem Beatmungsgerät ist die Optimierung der Beatmung sehr zeitaufwändig und im Routinebetrieb einer Intensivstation praktisch nicht durchführbar. Ziel der Beatmungsspezialisten muss aber die Optimierung der Beatmungseinstellungen unter Berücksichtigung der individuellen patho- / physiologischen Situation des Patienten und Minimierung schädigender Nebenwirkungen durch die Beatmung selbst sein [1].Vor diesem Hintergrund wurde ein neues Bedienkonzept, basierend auf einem teilautomatisierten Beatmungsgerät (AUTOPILOT-BT) entwickelt [2]. Hierfür wurde u.a. das Expertenwissen von Intensivmedizinern in einer Umfrage erhoben.

Material und Methoden

Für die Entwicklung der Steuerung des teilautomatisierten Beatmungsgeräts AUTOPILOT-BT mit Fuzzy Logic wurde das Expertenwissen von Anästhesisten an Universitäts-Kliniken mit einem Fragebogen erhoben. Die Befragten (n=63) gewichteten verschiedene respiratorische Parameter in Bezug auf bestimmte Krankheitsbilder, z.B. COPD oder ARDS.

Die hier beschriebene Auswertung des Fragebogens bezieht sich ausschließlich auf den Parameter paCO2 für den Patientenstatus „lungengesund“ bzw. „ARDS“. Sieben verschiedene paCO2-Werte wurden in einer Skala von „extreme Hypoventilation“ bis zu „extreme Hyperventilation“ eingestuft. Aus der statistischen Analyse der Befragung wurden neue Fuzzy Sets für die krankheitsspezifischen Regler definiert.

Das Fuzzy-Logik-basierte Regelsystem wurde in das Autopilot-BT-System implementiert und hinsichtlich des Regelverhaltens analysiert. Für die Versuche wurde ein Lungensimulator (Model 5600i, Michigan Instruments, Michigan, USA) verwendet, mit dem in mehreren Versuchsreihen unterschiedliche CO2-Produktionen und Minutenvolumina simuliert wurden.

Ergebnisse

61 Anästhesisten beantworteten den Fragebogen vollständig. Durch Analyse der Verteilung (Abbildung 1 [Abb. 1], (a) und (b)) erkennt man eine höhere Unsicherheit bei der Zuordnung der paCO2-Werte für ARDS als für lungengesunde Patienten. Diese Problematik zeigt sich verstärkt bei paCO2-Werten außerhalb extremer Bereiche. So werden die Werte paCO2=35mmHg und paCO2=54mmHg sehr unpräzise eingestuft, und die Histogramme zeigen keine eindeutigen Peaks.

Die 7 aus der Analyse der Befragung definierten Fuzzy Sets sind: (1) extreme (2) starke, (3) moderate Hyperventilation, (4) normale Ventilation, (5) moderate, (6) starke und (7) extreme Hypoventilation.

Abbildung 2 [Abb. 2] zeigt den Unterschied zwischen den beiden Fuzzy-Sets (a) „lungengesund“ und (b) „ARDS“. Beim „ARDS“ reicht der Normbereich von 34mmHg bis 56mmHg, wobei die Zugehörigkeitsfunktion µ = 1 zwischen 35mmHg und 48mmHg liegt, und sämtliche Bereiche der Hypoventilation zeigen eine Verschiebung nach rechts, d.h. zu höheren paCO2-Werten hin.

Das System adaptiert sich entsprechend der zugrunde gelegten Lungenerkrankung und ermöglicht im ARDS-Fall eine permissive Hyperkapnie [3], [4]. Abbildung 3 [Abb. 3] zeigt an einem ausgewählten Beispiel das Verhalten der beiden Fuzzy Regler. Der paCO2 erreichte unter einer CO2-Produktion von 0,40L/min und einer Atemfrequenz von 16min-1 einen Wert von 62mmHg. Für den Regler gehört dieser Wert bei lungengesunden Patienten komplett in den Bereich „starke Hypoventilation“. Auf der anderen Seite definiert der „ARDS Regler“ diesen Wert eindeutig als „moderate Hypoventilation“. Aus diesem Grund reduziert der Regler für den Status „lungengesund“ die Frequenz stärker als der „ARDS Regler“ und bleibt bei 34mmHg etwas außerhalb des Zielbereichs (grauer Bereich im Bild). Der „ARDS Regler“ reduziert die Frequenz vorsichtiger und erreicht mit dieser neuen Einstellung mit 44mmHg unmittelbar einen Wert im Zielbereich.

Diskussion

Diese Studie zeigt, dass die kognitiven Konzepte von Anästhesisten bezüglich der Beatmungssituation von Patienten bei Krankheitsbildern eine deutliche Unschärfe aufweisen im Vergleich zur Beurteilung der Normalsituation. Weiterhin konnten aus der Befragung krankheitsspezifische Fuzzy Regeln extrahiert werden, die zu einem sinnvollen Regelverhalten führen. Ein Simulations-Szenario wurde realisiert, um die unterschiedlichen Vorgaben der befragten Mediziner in ihren Auswirkungen zu analysieren. Zur weiteren Evaluierung wird augenblicklich eine klinische Studie durchgeführt, in der die Beatmungsstrategie des automatisierten Respirators (Autopilot-BT) am Intensivbett getestet wird.


Literatur

1.
Gillette MA, Hess DR. Ventilator-induced lung injury and the evolution of lung-protective strategies in acute respiratory distress syndrome. Respir Care 2001;46(2):130-48.
2.
Lozano S, Möller K, Brendle A, Gottlieb D, Schumann S, Stahl C, Guttmann J. AUTOPILOT-BT: a system for knowledge and model based mechanical ventilation. Technol Health Care 2008; 16(1):1-11.
3.
Hickling KG, Henderson SJ, Jackson R. Low mortality associated with low volume pressure limited ventilation with permissive hypercapnia in severe adult respiratory distress syndrome. Intensive Care Med. 1990; 16(6): 372-377.
4.
Kavanagh BP, Laffey JG. Hypercapnia: permissive and therapeutic. Minerva Anestesiol 2006; 72: 567–576.