26kgg212 10.3205/26kgg212 urn:nbn:de:0183-26kgg2126 Meeting Abstract Blase Blase Nikola N

Universität Duisburg-Essen, Lehrstuhl für Medizinmanagement, Essen, Deutschland

author Giebel Giebel Godwin Denk GD

Universität Duisburg-Essen, Lehrstuhl für Medizinmanagement, Essen, Deutschland

author Thomas Thomas Dominik D

Universität Duisburg-Essen, Lehrstuhl für Medizinmanagement, Essen, Deutschland

author Buchner Buchner Florian F

Universität Duisburg-Essen, Lehrstuhl für Medizinmanagement, Essen, Deutschland

author Raszke Raszke Pascal P

EsFoMed Essener Forschungsinstitut für Medizinmanagement, Essen, Deutschland Universität Witten/Herdecke, Witten, Deutschland

author Nowak Nowak Hartmuth H

Knappschaft Kliniken Universitätsklinikum Bochum, Klinik für Anästhesiologie, Intensivmedizin und Schmerztherapie, Bochum, Deutschland

author Adamzik Adamzik Michael M

Knappschaft Kliniken Universitätsklinikum Bochum, Klinik für Anästhesiologie, Intensivmedizin und Schmerztherapie, Bochum, Deutschland

author Timmesfeld Timmesfeld Nina N

Ruhr-Universität Bochum, Abteilung für Medizinische Informatik, Biometrie und Epidemiologie, Bochum, Deutschland

author Tokic Tokic Marianne M

Ruhr-Universität Bochum, Abteilung für Medizinische Informatik, Biometrie und Epidemiologie, Bochum, Deutschland

author Palmowski Palmowski Lars L

Ruhr-Universität Bochum, Lehrpraxis Rusche, Deutschland

author Brunkhorst Brunkhorst Frank Martin FM

Deutsche Sepsisgesellschaft e.V., Deutschland

author Heinz Heinz Philipp P

Knappschaft Kliniken GmbH, Deutschland

author Wasem Wasem Jürgen J

Universität Duisburg-Essen, Lehrstuhl für Medizinmanagement, Essen, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20251030 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0662 212 Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin Deutsche Gesellschaft für Sozialmedizin und Prävention Netzwerk Evidenzbasierte Medizin e.V. Deutsche Gesellschaft für Medizinische Soziologie 60. Kongress für Allgemeinmedizin und Familienmedizin Gesundheit gestalten Notfallmedizin und Rettungsdienste Göttingen 20260930 20261002 V-38-05 TextHintergrund: Künstliche Intelligenz (KI) kann die medizinische Versorgung weitreichend verbessern. Auch KI-basierten klinischen Entscheidungsunterstützungssystemen (CDSS) in der Sepsistherapie wird das Potential zugesprochen, Diagnostik und Therapie zu optimieren. Dennoch kommen die Systeme bisher nur sehr zurückhalten zum Einsatz.Zielsetzung/Fragestellung: Ein möglicher Grund wird in der fehlenden Nutzerorientierung gesehen, so dass im Zuge des vom Innovationsausschuss des Gemeinsamen Bundesausschusses geförderten Projektes KI@work u.a. ein Anforderungsprofil an KI-basierte CDSS am Beispiel der Sepsistherapie erarbeitet wurde.Material & Methoden: In 5 Fokusgruppen mit je 16 Ärzt:innen und 16 Pflegekräften wurden sowohl Wünsche in Bezug auf die Ausgestaltung als auch Nutzungskontexte für den Einsatz KI-basierter CDSS erhoben. Darauf aufbauend wurden – wie im CPUX-UR Curriculum definierten Prozess – Erfordernisse sowie Nutzungsanforderungen abgeleitet. Zudem wurde unter Einbezug von Ärzt:innen ein Task Modell für KI-basierte CDSS entwickelt. Dies ist eine strukturierte Darstellung von Aufgaben, ihren Beziehungen und ihrem Ablauf innerhalb eines Nutzungskontextes. Die Anforderungen wurden im Rahmen eines Workshops mit 6 Ärzt:innen mit Hilfe des Kano-Schemas bewertet und die Einschätzungen ebenso wie das Task Modell diskutiert. Die Fokusgruppen und der Workshop wurden aufgezeichnet, transkribiert und inhaltsanalytisch ausgewertet.Ergebnisse: Insgesamt konnten 27 Anforderungen an KI-basierte CDSS formuliert werden, die von den Workshopteilnehmenden bewertet wurden. Die Ausformulierung der Anforderungen entsprechend der Formulierungsschablonen war in weiten Teilen verständlich (21/27). Bei der Bewertung in Basis-, Leistungs- oder Begeisterungs-, Rückweisungs- sowie unerhebliches Merkmal zeigte sich nur bei drei der 21 Anforderungen eine völlige Übereinstimmung bei den Teilnehmenden. Zum Teil war die Einschätzung hingegen sehr inhomogen: Eine Anforderung erhielt sogar die Bewertung als Rückweisungs- und gleichzeitig auch als Leistungs- und Begeisterungsmerkmal. Das Task Modell präsentiert aus Sicht der Workshop-Teilnehmenden die mögliche Unterstützung des KI-Systems sehr gut.Diskussion: Sowohl das Task Modell als auch das Anforderungsprofil können bei der Entwicklung KI-basierter CDSS im Bereich der Sepsisversorgung helfen, KI-Systeme zu entwickeln, die dem „medical need“ entsprechen.Take Home Message für die Praxis: Mit Hilfe des Anforderungsprofils lässt sich der erwartete Nutzen für die Anwendenden steigern, wodurch KI-basierte CDSS eine breitere Akzeptanz finden.Interessenkonflikte: Keine 0 0 0 0