KIDOHE - KI-gestützte Dokumentation für Hebammen

ZeTeM Logo ohne Text

Bearbeiter*innen: Hannes Albers, Pascal Fernsel
Projektförderung: Europäischer Fond für regionale Entwicklung (EFRE)
Projektträger: Bremer Aufbaubank (BAB), Förderkennzeichen FUE0631B
Partner: Karen Güttler, atacama blooms GmbH & Co. KG, Bremen
Laufzeit: 01.05.2020 - 31.01.2022

Logos

Kein anderes Ereignis bringt Menschen und das Gesundheitswesen auf eine so erfreuliche Art und Weise zusammen wie Schwangerschaft und Geburt. Die Geburtshilfe als Teil des Gesundheitswesens sieht sich in Deutschland in den vergangenen Jahren jedoch stark unter Druck gesetzt. Einerseits mangelt es an Hebammen, andererseits gibt es zu wenig Kreißsäle und Geburtshäuser - bei einer gleichzeitig kontinuierlich steigenden Geburtenzahl (von 678.000 Geburten im Jahr 2010 auf 785.000 Geburten im Jahr 2017). Per Gesetz ist in Deutschland bei jeder Geburt, gleich wo und wie sie stattfindet, die Anwesenheit einer Hebamme oder eines Entbindungspflegers notwendig.

Insgesamt hat die Zahl der Hebammen in den letzten zehn Jahren zwar leicht zugenommen, mehr als die Hälfte von ihnen arbeitet allerdings in Teilzeit. Gründe hierfür sind Überlastung, geringe Vergütung und ein hohes Regressrisiko. Letzteres führte in den letzten Jahren zu stark steigenden Haftpflichtprämien mit der Folge, dass immer weniger Hebammen freiberuflich geburtshilfliche Tätigkeiten durchführen. Im Krankenhaus angestellte Hebammen sind zwar von Haftpflichtprämien entlastet, klagen jedoch über eine erhebliche Arbeitsbelastung.

KIDOHE hat zum Ziel die Belastungs- und Regresssituation der Hebammen mittels eines innovativen, intelligenten, entscheidungsunterstützenden Systems zu verbessern. Die atacama blooms GmbH & Co. KG plant in Zusammenarbeit mit der Universität Bremen ein solches System zu erarbeiten, welches sowohl wissenschaftlich fundiertes Fachwissen als auch Erfahrungswissen der Hebammen in Netzen (z.B. semantischen Netzen, Bayes-Netzen oder neuronalen Netzen) repräsentiert. Die technischen Arbeitsziele gliedern sich in zwei Arbeitsbereiche: (1) Die Repräsentation von Fachwissen in Netzen und (2) Die Verknüpfung von kontinuierlichen Daten (CTG) mit bool‘schen und kategoriellen Daten (Patientenakte, Wissensbasis) mittels Neuronaler Netze (Deep Learning).