Sicherheit, Simulation und Risikomanagement in der Akutmedizin

In diesem Schwerpunkt wird untersucht, wie einzelne Personen sowie Teams in kritischen Situationen wahrnehmen, entscheiden sowie handeln und wie die Teamkommunikation funktioniert. Situationsbewusstsein und visuelle Aufmerksamkeitsverteilung werden unter anderem mittels Eye-Tracking-Verfahren und computergestützter Analysen der Blickführung ermittelt. Die Erkenntnisse helfen dabei, sicherheitsrelevante Tätigkeiten wie die Einleitung einer Allgemeinanästhesie oder die endotracheale Intubation gezielt weiterzuentwickeln. 

Ergänzt wird dieser Schwerpunkt durch die wissenschaftliche Bewertung, welche interprofessionellen und interdisziplinären In-situ-Simulationstrainings, etwa im Schockraum- und Traumamanagement, für den Praxisalltag sinnvoll sind und wie diese etabliert werden können.

Head-Worn-Displays und Augmented-Reality

Ein Fokus liegt auf der Entwicklung und Evaluation kognitiver Hilfsmittel und neuer Anzeigetechnologien. Dazu gehören zum Beispiel Cognitive-Aid-Anwendungen als digitale Entscheidungshilfen für komplexe Behandlungssituationen und Head-Worn-Displays als am Kopf getragene Anzeigesysteme zur gleichzeitigen Überwachung mehrerer Patientinnen und Patienten. Bei Augmented-Reality-Anwendungen (AR) werden digitale Informationen in das reale Sichtfeld eingeblendet. Die Behandlungsteams sollen dadurch gezielt die Informationen erhalten, die sie für ihre Entscheidungen benötigen.

Diese Forschungsarbeit erfolgt unter anderem in langjähriger Kooperation mit dem Lehrstuhl für Psychologische Ergonomie am Institut Mensch-Computer-Medien der Julius-Maximilians-Universität Würzburg.

Dieser Schwerpunkt umfasst die systematische Auswertung von Fehlermeldesystemen, sogenannten Critical Incident Reporting Systems (CIRS). Sie liefern wichtige Daten für die Forschung zur Sicherheit von Patientinnen und Patienten.

Dabei untersuchen die Arbeitsgruppe, wie CIRS in deutschen Kliniken eingesetzt werden können, welche strukturellen und kulturellen Faktoren ihre Nutzung fördern oder erschweren und wie sich aus den Meldungen belastbare Erkenntnisse für das klinische Risikomanagement gewinnen lassen.

Kategorisierung von Risiken

Entwickelt werden Methoden zur systematischen Einordnung von Vorfällen nach Schweregrad und Ursache. Aus großen Mengen an CIRS-Berichten sollen Muster und Zusammenhänge sichtbar werden, die sich aus einzelnen Meldungen nicht erkennen lassen. Analysiert wird auch, inwieweit Elemente des sogenannten Safety-II-Ansatzes nach Erik Hollnagel in bestehende Berichtssysteme integriert werden können.

Safety-II-Ansatz nach Erik Hollnagel

Der Safety-II-Ansatz zielt darauf ab, Sicherheitsprobleme zu verstehen, zu analysieren und zu verbessern. Dabei stehen Skills wie Anpassungsfähigkeit und Bewältigungsstrategien im Fokus. Der Blick ist nicht nur auf Fehler und unerwünschte Ereignisse im Umgang mit komplexen Anforderungen oder unvorhergesehenen Ereignissen gerichtet, sondern auch auf die bereits erfolgreichen und sicheren Maßnahmen der medizinischen Versorgung im Alltag.

Basierend auf diesen Erkenntnissen sollen konkrete Maßnahmen für ein wirksames, evidenzbasiertes und vorausschauendes Risikomanagement abgeleitet werden.

Dieser Schwerpunkt beschäftigt sich mit dem Einsatz künstlicher Intelligenz in der Akutmedizin. Ein Forschungsziel ist die automatisierte Auswertung großer Mengen von Sicherheitsdaten. Dazu werden unter anderem Sprachmodelle eingesetzt, um Freitextmeldungen aus Fehlermeldesystemen systematisch zu analysieren. Verglichen werden außerdem verschiedene KI-Verfahren zu ihrer Eignung für eine nachvollziehbare und erklärbare Risikokategorisierung von Vorfällen.

Dabei untersucht die Forschungsgruppe auch, wie die Darstellung der KI-gestützten Empfehlungen diagnostische Genauigkeit und das Vertrauen von Behandelnden beeinflusst. Im Rahmen eines Drittmittelprojektes wurde zudem der Einsatz künstlicher Intelligenz zur Sprach- und Intentionserkennung mit automatisierter Dokumentation erprobt.

KI-generierte Prüfungsfragen

Die Gruppe erforscht den Einsatz von künstlicher Intelligent in der medizinischen Aus- und Weiterbildung. Dazu gehört beispielsweise die automatisierte Erstellung von Prüfungsfragen und die Weiterentwicklung simulationsbasierter Lehrmaterialien.