Fragestellungen im Gesundheitswesen und in der Medizin beinhalten oft komplexere Aspekte als Problemstellungen aus anderen Branchen. Das Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM stellt sich dieser Herausforderung, indem die Wissenschaftler mathematische Methoden aus der Lehre adaptieren oder neu erfinden, um alle wichtigen Belange zu adressieren. Die betrifft auch den Einsatz von Künstlicher Intelligenz beim Ressourcenmanagement im Healthcare-Segment.

Viele Bereiche des Gesundheitswesens sind einem zunehmenden Kosten- und Qualitätsdruck ausgesetzt. Dem gegenüber stehen vermeidbare Mehrausgaben durch wenig zielführende Gesundheitsleistungen. Hieraus ergeben sich bislang unerkannte und ungenutzte Optimierungspotentiale für medizinische Versorgende und Kostentragende.

Im Projekt KoGGE entwickelt das Fraunhofer-Institut für Techno- und Wirtschaftsmathematik gemeinsam mit der Industrie (ARZ Haan AG) eine Lösung, um Optimierungspotentiale des Gesundheitswesens zu identifizieren und zu erschließen. Im Projekt werden vor allem Abrechnungsdaten im Hinblick auf solche Potentiale untersucht. Die so erzielten Erkenntnisse sollen über eine Planungssoftware bereitgestellt werden, mit der existierende Entscheidungsprozesse systematisch verbessert können.

Die Untersuchung von Abrechnungsinformation erfolgt mit Verfahren der KI-basierten Datenanalyse unter Verwendung von gesundheitsökonomischem Kontextwissen. Ein besonderes Augenmerk liegt dabei auf der Nachvollziehbarkeit der Analyseresultate im Sinne von erklärbarer Künstlicher Intelligenz (KI). Die mit Datenanalyse gewonnenen Erfahrungswerte werden in einer softwarekompatiblen Form verwaltet und für zukünftige gesundheitsökonomische Entscheidungen bereitgestellt. Die Nutzung dieser Erfahrungswerte erfolgt über eine auf mehrkriterieller Entscheidungsfindung und wissensbasierter Assistenzfunktionalität beruhende Planungssoftware.

Dienstleistende aus dem Abrechnungswesen sollen so die Möglichkeit erhalten, Verantwortliche aus dem Healthcare-Bereich bei der Identifikation und Erschließung von gesundheitsökonomischen Optimierungspotentialen zu unterstützen.

Quelle: Fraunhofer
Foto: Adobe Stock / Alexander Limbach