The development and implementation planning of an AI-powered Palliative Care Assessment Tool (PCAT) for aged care: a Triple C model approach

In den stillen Korridoren der stationären Altenpflege verbirgt sich oft eine kritische Herausforderung, die unbemerkt bleibt, bis es zu spät ist. Viele ältere Bewohner leben mit Erkrankungen, die ihr Leben letztlich verkürzen werden, und für diese Menschen verschiebt sich das Ziel der Pflege von der Heilung einer Krankheit hin zur Gewährleistung von Komfort, Würde und Lebensqualität. Dieser Ansatz wird als Palliativversorgung bezeichnet. Idealerweise beginnt diese Unterstützung frühzeitig, damit Familien und medizinische Teams Symptome managen und die Zukunft planen können, während die Person noch in der Lage ist, an Entscheidungen teilzunehmen. In der geschäftigen Realität von Pflegeheimen werden diese Bedürfnisse jedoch häufig zu spät erkannt. Die Mitarbeiter, die oft unter Zeitdruck stehen und komplexe Zeitpläne bewältigen müssen, übersehen möglicherweise die subtilen Anzeichen dafür, dass ein Bewohner eine Phase erreicht hat, in der spezialisierte Unterstützung benötigt wird. Obwohl Ärzte und Pflegekräfte schon lange Checklisten und strukturierte Fragen verwenden, um diese Bedürfnisse zu erkennen, hängen diese Werkzeuge davon ab, dass ein Mensch sich erinnert, sie im richtigen Moment anzuwenden, und sie konzentrieren sich meist auf eine einzelne Person, anstatt die gesamte Gemeinschaft der Bewohner im Blick zu haben.

Um dies zu lösen, haben Forscher damit begonnen zu untersuchen, wie künstliche Intelligenz – Computer, die aus Daten lernen können, um Muster zu erkennen – helfen könnte. Die Idee ist nicht, dass eine Maschine das Urteilsvermögen eines Arztes ersetzt, sondern dass sie als unermüdlicher Assistent fungiert, der täglich die Informationen über jeden Bewohner scannt und diejenigen markiert, die möglicherweise eine Überprüfung benötigen. Diese Arbeit beschreibt die sorgfältige Erstellung eines solchen Werkzeugs, des Palliative Care Assessment Tool, oder PCAT, das speziell für die Altenpflege in Victoria, Australien, entwickelt wurde. Das Team hat nicht einfach Software gebaut und gehofft, dass sie funktioniert; sie folgten einer spezifischen, menschenzentrierten Roadmap namens Triple-C-Modell. Dieser Ansatz priorisiert das Gespräch mit den Menschen, die das System tatsächlich nutzen werden, arbeitet gemeinsam an der Gestaltung und stellt sicher, dass das Werkzeug auch lange nach dem Ende der ursprünglichen Projektförderung in der realen Welt bestehen kann. Das Ergebnis ist ein digitales System, das bereit für Tests ist und auf einem Fundament von Sicherheit und Praktikabilität statt auf reiner technischer Leistungsfähigkeit steht.

Die Reise begann mit einer einfachen, aber schwierigen Frage: Wie baut man ein digitales Werkzeug, das in den chaotischen, unter Hochdruck stehenden Rhythmus einer Schicht im Pflegeheim passt? Die Forscher wussten, dass das Werkzeug ignoriert würde, wenn es zu kompliziert wäre oder das Personal verlangsamen würde. Sie begannen damit, eine breite Gruppe von Menschen zu sammeln, darunter Pflegekräfte, Heimleiter und Spezialisten für Palliativmedizin, für eine Reihe von sechs strukturierten Gesprächen. Dies waren keine formellen Interviews, sondern kollaborative Workshops, in denen das Team den täglichen Kampf der Mitarbeiter hörte. Sie lernten genau, wo die Lücken in der aktuellen Versorgung lagen, was die frühzeitige Identifizierung von Bedürfnissen verhinderte und wo ein digitaler Hinweis erscheinen müsste, um gesehen und umgesetzt zu werden. Diese Phase, bekannt als Konsultation, stellte sicher, dass das Werkzeug um die Realität der Arbeit herum entworfen wurde und nicht um eine idealisierte Version davon.

Sobald die Probleme klar definiert waren, ging das Team in die Kollaborationsphase über. Hier verlagerte sich der Fokus darauf, diese Erkenntnisse in ein funktionierendes Design zu verwandeln. Die Forscher arbeiteten eng mit dem technischen Team zusammen, um ein System zu bauen, das die komplexe Logik bestehender medizinischer Leitlinien aufnehmen und in eine einfache, klare Benutzeroberfläche übersetzen konnte. Ein Kernprinied ist, dass das Werkzeug niemals die Fähigkeit des Menschen einschränken darf, das letzte Wort zu haben. Das System wurde so konzipiert, dass es eine Risikobewertung anbietet – eine einfache Indikation dafür, wie wahrscheinlich es ist, dass ein Bewohner Palliativunterstützung benötigt –, aber es beinhaltet immer einen klaren Weg für einen Kliniker, diesen Vorschlag zu überschreiben, falls dessen eigenes professionelles Urteil davon abweicht. Dieses „Human-in-the-loop“-Feature war entscheidend und stellte sicher, dass die Technologie die Pflege unterstützt, statt sie vorzugeben.

Bevor das Werkzeug jemals einem Patienten gezeigt oder in einem echten Pflegeheim eingesetzt werden konnte, unterzog das Team es einer strengen Sicherheitsprüfung, einer sogenannten heuristischen Evaluation. Dies ist eine Methode, bei der Experten ein System anhand etablierter Prinzipien von Sicherheit und Benutzerfreundlichkeit überprüfen, um potenzielle Fallstricke zu finden, bevor sie Schaden anrichten. Die Evaluierung deckte mehrere kritische Probleme auf, die behoben werden mussten. Beispielsweise erlaubte das ursprüngliche Design einem Nutzer, versehentlich die Akte eines Bewohners zu löschen, ein Risiko, das sofort beseitigt wurde. Das Team stellte auch fest, dass das System manchmal eine Risikobewertung anzeigte, die der empfohlenen Maßnahme widersprach, was eine erschöpfte Pflegekraft verwirren könnte. Sie bemerkten auch, dass das Werkzeug nicht erklärte, warum es eine bestimmte Bewertung gab, was es dem Personal schwer machte, den Ratschlägen zu vertrauen.

Das Team adressierte diese Probleme mit spezifischen, praktischen Änderungen. Sie fügten eine „Warum diese Bewertung?“-Funktion hinzu, die die Begründung hinter dem Vorschlag des Computers in einfacher Sprache erklärt. Sie führten einen visuellen Indikator ein, um zu zeigen, ob sich der Zustand eines Bewohners verschlechtert, gleich bleibt oder verbessert, was dem Personal hilft, den Trend im Zeitverlauf zu sehen. Um die mentale Belastung der Pflegekräfte zu reduzieren, wurde das Werkzeug so reorganisiert, dass die dringendsten Bewohner zuerst angezeigt werden, anstatt sie alphabetisch aufzulisten, und es wurde programmiert, Auslöser (Trigger) auszublenden, die auf eine bestimmte Person nicht zutreffen. Farbe wurde mit Text und Symbolen kombiniert, damit die Bedeutung auch dann klar war, wenn jemand Farben nicht unterscheiden konnte. Vielleicht am wichtigsten war, dass sie einen dokumentierten Pfad einbauten, über den ein Kliniker dem System widersprechen konnte, um sicherzustellen, dass die endgültige Entscheidung immer bei einem menschlichen Fachmann lag.

Das Paper schließt mit der Darstellung, wie dieses Werkzeug nun für eine gestaffelte Testphase an mehreren Pflegeeinrichtungen vorbereitet ist. Die Forscher planen, das Werkzeug dem Pflegepersonal vorzustellen, das es als Teil seiner normalen täglichen Routine nutzen wird, beginnend mit einer kleinen Gruppe von Bewohnern. Das Ziel dieser nächsten Phase ist nicht zu beweisen, dass die künstliche Intelligenz perfekt ist, sondern zu sehen, ob das Werkzeug in der realen Welt nutzbar, akzeptabel und machbar ist. Die Autoren stellen vorsichtig klar, dass diese Arbeit nur die Design- und Vorbereitungsphasen abdeckt; die tatsächlichen Ergebnisse der Studie, einschließlich der Frage, ob das Werkzeug die Pflege erfolgreich verbessert, werden in einer zukünftigen Studie berichtet. Durch die Vorab-Arbeit beim Zuhören bei den Nutzern und dem Beheben von Sicherheitsmängeln hat das Team ein System geschaffen, das bereit für die reale Welt ist. Dieser Ansatz legt nahe, dass Technologie im Gesundheitswesen nur dann erfolgreich sein kann, wenn sie mit der gleichen Sorgfalt und Aufmerksamkeit für menschliche Bedürfnisse gebaut wird, wie die medizinischen Behandlungen, die sie unterstützt. Der Erfolg eines solchen Werkzeugs hängt weniger von der Raffinesse seines Codes ab als vielmehr von seiner Fähigkeit, sich nahtlos in das Leben der Menschen einzufügen, die es nutzen, um sicherzustellen, dass kein Bewohner übersehen wird, nur weil das System zu schwierig zu bedienen war.