Najważniejsze
- •Uniwersitätsklinikum Freiburg uruchomi w 2026 roku projekt KI-COMPASS, który ma wspierać wcześniejsze wykrywanie powikłań sercowo-naczyniowych po leczeniu raka przełyku.
- •W projekcie dane z smartwatchy — tętno, aktywność fizyczna i sen — będą łączone z rutynowymi danymi klinicznymi, rozpoznaniami i informacjami o terapii.
- •KI ma pełnić rolę wsparcia dla personelu medycznego, a nie zastępować lekarza; ważna ma być też przejrzystość działania algorytmów.
- •Inicjatywa odpowiada na problem opieki po leczeniu nowotworów, w której standardowe kontrole skupiają się głównie na nawrocie choroby, a późne skutki terapii bywają niedoszacowane.
- •Jeśli rozwiązanie się sprawdzi, może stać się modelem dla szerszego wykorzystania urządzeń noszonych w monitorowaniu pacjentów onkologicznych po zakończeniu leczenia.
Uniwersyteckie Centrum Medyczne we Fryburgu uruchomi w 2026 roku projekt KI-COMPASS, który ma wcześniej wykrywać problemy sercowo-naczyniowe po leczeniu raka przełyku.
Uniwersitätsklinikum Freiburg rozpocznie w 2026 roku projekt KI-COMPASS, który ma wspierać wcześniejsze wykrywanie problemów sercowo-naczyniowych u pacjentów po terapii raka przełyku. Inicjatywa ma połączyć dane z smartwatchy z informacjami klinicznymi, aby lepiej oceniać ryzyko zdrowotne w okresie poszpitalnym.
Projekt prowadzi prof. dr Michael Quante z Universitätsklinikum Freiburg. Jak podał ośrodek, KI-COMPASS otrzymał finansowanie z Bundesministerium für Forschung, Technologie und Raumfahrt w ramach programu wspierającego technologie dla zdrowia i jakości życia. W przedsięwzięcie zaangażowane są także inne podmioty z obszaru medycyny, danych i sztucznej inteligencji, w tym Hahn-Schickard, BiSigma GmbH oraz Digestive Cancers Europe.
W projekcie smartwatche mają rejestrować trzy podstawowe rodzaje informacji: częstotliwość serca, aktywność fizyczną i sen. Dane te mają być następnie łączone z rutynowymi danymi klinicznymi, rozpoznaniami i informacjami o zastosowanej terapii. Na tej podstawie powstaną cyfrowe modele pacjentów, które mają pomagać w rozpoznawaniu indywidualnych wzorców ryzyka.
Według komunikatu celem nie jest zastąpienie lekarza przez algorytm. KI-COMPASS zakłada raczej, że sztuczna inteligencja będzie wspierać zespół medyczny w interpretacji danych i wcześniejszym zauważaniu zagrożeń. Projekt ma być też prowadzony w sposób przejrzysty, tak by personel medyczny mógł rozumieć, skąd pochodzą sygnały ryzyka.
Autorzy projektu wskazują, że obecna opieka poszpitalna po leczeniu raka przełyku skupia się przede wszystkim na wykrywaniu nawrotu choroby. Tymczasem część pacjentów doświadcza także długoterminowych dolegliwości, w tym problemów kardiologicznych, które nie zawsze są systematycznie oceniane podczas standardowej kontroli. Właśnie ten obszar ma uzupełnić nowe rozwiązanie.
Tło projektu pokazuje szerszy problem opieki po nowotworach. Coraz częściej lekarze muszą monitorować nie tylko samą chorobę onkologiczną, ale też późne następstwa terapii i współistniejące schorzenia. W przypadku pacjentów po leczeniu raka przełyku oznacza to potrzebę łączenia opieki onkologicznej z oceną ryzyka kardiologicznego.
KI-COMPASS ma rozpocząć się w 2026 roku. Nie podano jeszcze czasu trwania badania ani liczby pacjentów, którzy mają wziąć w nim udział. Jeśli projekt potwierdzi przydatność takiego monitoringu, może stać się wzorem dla szerszego wykorzystania danych z urządzeń noszonych w opiece po leczeniu nowotworów.
Jak działa KI-COMPASS
Na podstawie informacji z artykułu i komunikatów źródłowych.
Słownik pojęć
- KI (künstliche Intelligenz)
- Sztuczna inteligencja, która analizuje dane i pomaga wykrywać wzorce lub zagrożenia.
- Routynowe dane kliniczne
- Standardowe informacje medyczne zbierane w opiece nad pacjentem, np. rozpoznania, wyniki badań i przebieg leczenia.
- Powikłania sercowo-naczyniowe
- Problemy dotyczące serca i naczyń krwionośnych, które mogą pojawić się po chorobie lub leczeniu.
- Opieka poszpitalna / nachsorge
- Kontynuacja monitorowania pacjenta po zakończeniu hospitalizacji lub terapii.
- Transparentność algorytmu
- Możliwość zrozumienia, skąd system bierze wynik i dlaczego wskazuje określone ryzyko.
