Uniklinik Leipzig bringt eigenes KI-Medizinprodukt in die Patientenversorgung

1 week ago 3

Mit „LAMPE“ – Leipziger Analyse- und Meldesystem für Patientensicherheit in Echtzeit – hat das Universitätsklinikum Leipzig (UKL) ein KI-basiertes Clinical Decision Support System (CDSS) in den klinischen Alltag integriert. Nach Angaben des UKL handelt es sich um das erste vollständig selbst entwickelte System dieser Art an einer deutschen Universitätsklinik, das zugleich die Anforderungen der europäischen Medizinprodukteverordnung (MDR) erfüllt.

Im Gegensatz zu generativen KI-Anwendungen wie unternehmensinternen GPT-Systemen kommt LAMPE direkt in der Patientenversorgung zum Einsatz. Das System analysiert klinische Daten in Echtzeit und unterstützt Ärztinnen und Ärzte bei Diagnose- und Therapieentscheidungen mit evidenzbasierten Handlungsempfehlungen, wie aus einer Pressemitteilung des UKL hervorgeht.

Ein konkretes Einsatzbeispiel ist die Früherkennung von akutem Nierenversagen bei Patientinnen und Patienten unter Antibiotikatherapie. Hier wertet LAMPE kontinuierlich Labor- und Behandlungsdaten aus und gibt automatisierte Warnhinweise, um Risiken frühzeitig zu erkennen.

Das System ist aus dem mehrjährigen AMPEL-Forschungsprojekt (Antibiotikatherapie und Patientensicherheit durch Echtzeit-Analyse von Labordaten) hervorgegangen und wurde anschließend gezielt zur MDR-konformen Software weiterentwickelt. Dafür habe das UKL eigene Strukturen aufgebaut, unter anderem die Abteilung für Medizinische KI und Translation (MedKIT) sowie eine Tochtergesellschaft für Innovationstransfer.

Mit LAMPE verfolgt das UKL das Ziel, zentrale digitale Werkzeuge unter eigener Kontrolle zu behalten und schneller in die Versorgung zu bringen. Gleichzeitig ist geplant, die zugrunde liegende Plattform perspektivisch als Open-Source-Lösung anderen Kliniken zugänglich zu machen. Ein bereits etabliertes Netzwerk mit mehr als 20 Standorten soll den fachlichen Austausch fördern.

Langfristig sieht das UKL in Systemen wie LAMPE einen wichtigen Baustein für eine stärker datengetriebene Medizin, in der automatisierte Analysen medizinisches Personal entlasten und mehr Zeit für die direkte Patientenversorgung schaffen.

(mack)

Read Entire Article