gms | German Medical Science

58. Kongress für Allgemeinmedizin und Familienmedizin

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM)

26.09. - 28.09.2024, Würzburg

Was sollten wir wirklich fragen und wann? Vorschlag für einen vereinfachten Symptom-Checker bei Atemwegserkrankungen auf der Basis von eigenen KI-Modellen und Vorerfahrungen mit anderen Triage-Systemen

Meeting Abstract

  • presenting/speaker Wolfgang C. G. von Meißner - Gesund vorOrt Dienstleistungsgesellschaft mbH, Deutschland; Europäische Fachhochschule, Deutschland
  • Bernd Genser - High5Data GmbH, Deutschland
  • Wolfgang Fink - Gesund vorOrt Dienstleistungsgesellschaft mbH, Deutschland
  • Paul-Georg Blickle - Gesund vorOrt Dienstleistungsgesellschaft mbH, Deutschland
  • Joachim E. Fischer - Gesund vorOrt Dienstleistungsgesellschaft mbH, Deutschland; Medizinische Fakultät Mannheim, Universität Heidelberg, Abteilung Allgemeinmedizin, Mannheim, Deutschland

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin. 58. Kongress für Allgemeinmedizin und Familienmedizin. Würzburg, 26.-28.09.2024. Düsseldorf: German Medical Science GMS Publishing House; 2024. DocV-21-04

doi: 10.3205/24degam113, urn:nbn:de:0183-24degam1134

Published: September 23, 2024

© 2024 von Meißner et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund: Akute respiratorische Infekte sind einer der häufigsten Konsultationsgründe in Hausarztpraxen. Sinnvoll wäre, möglichst digital und ohne direkten telefonischen Kontakt zur Praxis ein anamnestisches Bild zu gewinnen und dies sinnvoll zu kombinieren mit bereits in der Praxis vorhandenen Informationen – mit dem Ziel der Zuordnung zur richtigen Versorgungsebene und Dringlichkeit sowie Unterstützung bei Entscheidungsfindung und Dokumentation.

Fragestellung: Welche möglichst minimale Anzahl von Fragen könnte das Behandlungsanliegen bei akuter respiratorischer Affektion bereits beim digitalen Kontakt zur Praxis soweit aufbereiten, dass eine sichere Zuordnung nach Dringlichkeit und erforderlicher Versorgungsebene möglich ist?

Methoden: Eigene KI-Modellierungen aus synthetischen Datensätzen legten nahe, dass bis zu fünf Symptome auf einer fünfstufigen Intensitätsskala an zwei aufeinander folgenden Tagen im Verlauf ausreichen, um mit einer über 90% Sicherheit eine Differentialdiagnose zu stellen. In einem Delphi-Prozess unter den Autoren wurde daraufhin eine kurze Liste von Fragen entwickelt, die ergänzend zur Vorinformation aus dem Praxisinformationssystem gestellt werden. Die Informationen werden algorithmisch nach Bayes-Theorem iterativ integriert. Das Ergebnis ist eine Wahrscheinlichkeitsaussage zur Dringlichkeit, Zuordnung und Verdachts-Diagnose. Die finale Kalibrierung erfolgt aktuell im Praxistest.

Ergebnisse: In Ergänzung zu existierender Information im Praxisverwaltungssystem wird eine kurze Liste von Notfall-Red-Flags, der selbst berichtete aktuelle und vor der Erkrankung bestehende Allgemeinzustand (VAS 0–10), sowie die aktuellen Beschwerden und die Beeinträchtigung dadurch, erfragt. Die Vorinformation über relevante Vorerkrankungen und Medikation erlaubt eine A-priori-Einteilung in eine Risiko-Klasse in Analogie zum ASA-System der Anästhesie. Die Nachbefragung bei Verschlechterung oder nach 24 Stunden zum Verlauf der Symptome unterstützt die Beurteilungssicherheit. Die Ergebnisse aus dem aktuell angelaufenen Praxistest werden vorgestellt.

Diskussion: Das vorgestellte digitale System integriert vorhandene und gesicherte Information aus dem Praxisverwaltungssystem, Information über ähnliche aktuelle Verläufe mit gezielter Befragung zu Beschwerden und ihrem Verlauf – ähnlich der ärztlichen Entscheidungsfindung im Praxisalltag.

Take Home Message für die Praxis: Integrierte Informationssysteme kombiniert mit gezielter adaptiver Befragung könnte die Versorgung der Anliegen wegen respiratorischer Infekte in der hausärztlichen Praxis bedeutsam erleichtern.