In Notaufnahmen identifiziert die Triage Patienten mit unmittelbarem Risiko gut, reduziert aber die starke klinische Heterogenität in einigen wenigen Notfallklassen. Innerhalb ein und derselben Klasse werden sehr unterschiedliche Patienten (in Bezug auf den akuten physiologischen Schweregrad oder die klinische/medizinische Komplexität) oft so behandelt, als wären sie operativ gleichwertig.
Diese schlechte Strukturierung der klasseninternen Priorität führt dazu:
- hohe Entscheidungsfreudigkeit
- Variabilität zwischen Betreibern
- ineffiziente Abläufe, insbesondere bei Überlastung, und längere Wartezeiten für besonders schutzbedürftige Patienten
Darüber hinaus sind viele relevante Informationen in unstrukturierten Texten enthalten (kurze Anamnese, Notizen aus der Krankenpflege) und lassen sich nur schwer mit herkömmlichen Tools nutzen. Was wir brauchen, ist eine Entscheidungshilfe, die die bereits bei der Triage verfügbaren Informationen strukturiert und erweitert, um operative Entscheidungen zu verbessern, ohne das klinische Urteilsvermögen zu ersetzen. Die Implementierung wurde in einer mittelgroßen bis großen Notaufnahme mit täglichen Zugängen von fast 150 Patienten entwickelt.
Methodischer Ansatz
Schritt 1: ‚Domänenangepasste‘ LLM-Pipeline mit klinischer Validierung
- Integration von strukturierten Daten (Vitalparameter, Alter, Geschlecht) und Triagetexten.
- Standardisierung von klinischen Texten (Korrekturen, Erweiterung von Akronymen, semantische Standardisierung).
- LLM-Inferenz kalibriert mit Prompts, die mit PS-Ärzten entwickelt und validiert wurden.
- Ausgabe: zwei ordinale Bewertungen pro Patient:
- Intensität (akuter physiologischer Schweregrad)
- Komplexität (Anfälligkeit und Verwaltungsaufwand)
Wenn die Triage unverändert bleibt: Das Modell fügt eine zweite Entscheidungsebene hinzu.
Schritt 2: ‚Agent‘-Priorisierungsalgorithmus + Betriebssimulation
- Die LLM-Maße fließen in einen Algorithmus ein, der eine klasseninterne Priorisierung über einen zusammengesetzten Index (Gewichtung zwischen Intensität und Komplexität) vorschlägt.
- Bewertung durch eine ereignisdiskrete Simulation, die die Auswirkungen der Priorisierungsregel bei konstanter Nachfrage/Kapazität isoliert.
- Das System dient als Echtzeit-Entscheidungshilfe: Es erzeugt interpretierbare operative Signale und verbessert die Leistung, ohne die klinischen Protokolle zu ändern.
Ergebnisse
Übereinstimmung mit dem klinischen Urteil
Die Einschätzungen des Modells stimmen mit den unabhängigen medizinischen Einschätzungen überein, insbesondere bei der Dimension Komplexität.
Verringerung der Wartezeit bei Staus
Die sekundäre Priorisierung auf der Grundlage von Intensität+Komplexität verringert die durchschnittliche Wartezeit in der analysierten Klasse um ca. 19-29 Minuten pro Patient, mit indirekten Vorteilen auch für die anderen Klassen.
Verbesserung des Gesamtflusses
Eine strukturiertere Umverteilung der Wartezeiten reduziert die systemische Überlastung, indem sie auf die Patienten abzielt, die am meisten auf Verzögerungen reagieren, und die Inflation der Servicezeiten begrenzt.
Transparentere und kontrollierbarere Entscheidungen
Macht die heutige informelle Logik explizit und verbessert so die Transparenz, Reproduzierbarkeit und Kontrolle des Prozesses.
