Patient Monitoring Roundtable No°8 | 2025: High Quality Data: Neue Möglichkeiten für die Neurologie
Save the Date: Der erste Roundtable im neuen Jahr 2026 findet am 28. Januar zum Thema “Beep! Alarm or just noise? The potential of UX Sound Design in Healthcare” im BeST (Berliner Simulations- und Trainingszentrum) statt. Interessiert? Dann buche hier dein Ticket für eine On-Site oder Online-Teilnahme!
“High Quality Data: Neue Möglichkeiten in der Akutversorgung und Neurologie” – unter diesem Motto kamen wir am 27. November im BIH Digital Labs zum achten und letzten Patient Monitoring Roundtable (PMRT) des Jahres zusammen. Unser Ziel: den Austausch zwischen Klinik, Forschung und Industrie zu fördern, wie Monitoring-Daten als verlässliche Grundlage für KI-basierte Innovationen im Bereich der Akutversorgung und der Neurologie dienen können.
In seiner Keynote zum Einstieg präsentierte Prof. Dr. med. Christian Meisel, wie hochqualitative kontinuierliche Monitoring-Daten und KI-gestützte Modelle dabei helfen können, neurologische Erkrankungen früher zu erkennen, besser zu verstehen und klinische Entscheidungen proaktiver zu gestalten.
Prof. Dr. Meisel zeigte, wie kontinuierliches Monitoring und „Physiomes“ aus klinischen wie auch häuslichen Daten wertvolle Erkenntnisse liefern, um Krankheitsverläufe besser zu verstehen und proaktiv statt reaktiv zu handeln.
Computational Neurology in der Anwendung
Prof. Meisel stellte konkrete Forschungsprojekte vor, die bereits heute neuronale und KI-basierte Modelle in die klinische Realität bringen: ein ambulantes Video-EEG zur Diagnostik von Epilepsie, was zuvor nur im Krankenhaus möglich war, oder die Erkennung von epileptischen Anfällen via Smartphone-Kamera durch KI-basierte Bewegungsanalyse.
Data Warehouse Neurology – Infrastruktur für Innovation
Das Data Warehouse Neurology bündelt klinische Daten aus EEG, Labor sowie Bildgebung und schafft durch klare Governance, Datenschutzkonzepte und technische Schnittstellen eine sichere Grundlage für datengetriebene Forschung. Ziel ist es, diese Daten effektiv in klinische Innovationen zu überführen – „From Bench to Bedside“.
Use Cases – KI in Diagnostik, Monitoring und Prognostik
- Vorhofflimmern-Früherkennung: Im Schlaganfallmonitoring zeigte Prof. Meisel eindrücklich, dass KI Vorhofflimmern – eine führende Ursache bei 30 % der Fälle – direkt aus Roh-EKG-Daten vorhersagen kann. Ein KI-gestütztes 72-Stunden-Monitoring ermöglicht eine gezielte Weiterüberwachung, wobei die Herzratenvariabilität als zentraler Marker identifiziert wurde – auch für das Risiko einer Post-Stroke-Pneumonie. Perspektivisch könnten solche Parameter sogar über Wearables wie Smartwatches erfasst werden.
- Neuroprognostik: Entwicklung der bislang größten „Universal Map of EEG“ – ein tiefes neuronales Netz, das physiologische und pathologische Muster skalierbar abbildet.
- Epilepsie- & Schlaganfalldetektion: Video- und KI-basierte Bewegungsanalyse zur automatisierten Erkennung epileptischer Anfälle und motorischer Veränderungen.
Roadblocks – was KI aktuell noch bremst
- Fragwürdige Evidenz: Viele Studien zu neuen KI-Modellen sind überoptimistisch, methodisch schwach und nicht extern validiert → Reproducibility Crisis
- Überregulation in der EU: Strenge Regulatorik bremst Innovation → Mindset-Shift: Recht auf KI statt reinem „Schutz vor KI“.
- Interdisziplinäres Arbeiten: Informatiker:innen, Mediziner:innen und weitere relevante Fachdisziplinen enger zusammenbringen, um klinische Relevanz und technische Qualität sicherzustellen.
- Operationalisierung & Translation: Prospektive „stumme“ Validierung, klinische Dashboards und kontinuierlich lernende Systeme → Lücke zwischen Forschung und klinischer Anwendung schließen.
Zum Schluss betonte Prof. Meisel: „Garbage in, garbage out“ – KI ist nur so gut wie die Daten dahinter. Self-supervised Learning und Explainable AI bleiben essenziell, damit Modelle echte Muster und keine Artefakte lernen.
Workshop:
Mapping Data Quality – Wie entstehen hochqualitative, hochfrequente Daten?
In den Workshops stand die Frage im Mittelpunkt, wie Daten entstehen, die sowohl hochqualitativ (präzise, realitätsnah, reproduzierbar) als auch hochfrequent sind – und was dies für unterschiedliche klinische Szenarien bedeutet. Zwei Use Cases wurden vertieft:Bewusstseinsverlust und Schlaganfall. In den Workshops diskutierten die Teilnehmenden u. a.:
- die zentrale Rolle von Schnittstellen, Interoperabilität und Datenübertragung zwischen Geräten, Systemen und Sektoren,
- Herausforderungen durch Silo-Strukturen zwischen Krankenversorgung und Forschung,
- Schwierigkeiten der Patient:innenzuordnung und des Matchings in Forschungskohorten, unter anderem aufgrund der fehlenden einheitlichen Gesundheits-ID der Patient:innen in Deutschland bzw. EU,
- regulatorische Anforderungen rund um Medizinprodukte,
- Blick auf Berufsgruppen: Während einige kritisieren, dass zu viele Daten erhoben werden, sind im Notfall-Setting aus juristischen Gründen umfangreiche Aufzeichnungen unverzichtbar.
Take Home Messages
- Datenqualität ist entscheidend: Hochwertige, valide Daten bilden die Grundlage für verlässliche KI-Modelle. Prof. Meisel betonte: „Garbage in, garbage out“. Explainable AI und Self-Supervised Learning helfen, echte Muster von Artefakten zu unterscheiden und sichern so klinisch relevante Ergebnisse. Hochqualitative Daten aus Klinik und Zuhause ermöglichen proaktives Erkennen und Verstehen neurologischer Erkrankungen.
- Praktische KI-Anwendungen: KI kann in der Neurologie bereits konkret Mehrwert bieten: Vorhersage von Vorhofflimmern aus Roh-EKG-Daten, Einschätzung des Risikos einer Post-Stroke-Pneumonie, skalierbare EEG-Analysen („Universal Map of EEG“) und Video-KI für Epilepsie- oder Schlaganfallpatient:innen.
- Herausforderungen & Roadblocks: Wichtige Hürden bleiben überoptimistische Studien ohne externe Validierung, strenge regulatorische Vorgaben, fehlende einheitliche Gesundheits-IDs und Probleme bei der Translation von Forschung in die klinische Praxis.
- Infrastruktur & Interdisziplinarität: Data Warehouses, Schnittstellen und klare Strukturen ermöglichen die Nutzung heterogener Daten. Erfolgreiche Umsetzung erfordert die enge Zusammenarbeit von Medizin, Informatik und Industrie.
In 2026 geht es spannend weiter - und bis dahin eine schöne Zeit!
Zum Jahresende möchten wir uns herzlich bei allen Teilnehmenden, Partnern und Unterstützenden für ein tolles Jahr bedanken. Wir wünschen eine erholsame und friedvolle Weihnachtszeit, frohe Festtage und einen guten Start in ein gesundes, glückliches und inspirierendes neues Jahr 2026!
Und wir freuen uns, euch am 28. Januar 2026 zum ersten Patient Monitoring Roundtable für 2026 im BeST (Berliner Simulations- und Trainingszentrum) begrüßen zu dürfen! Thematisch fokussieren wir uns zum Jahresbeginn auf „Beep! Alarm or just noise? The potential of UX Sound Design in Healthcare”.
Dabei sein und nicht verpassen!
Der Patient Monitoring Roundtable wird von INCH Health in Partnerschaft mit dem Institut für Medizinische Informatik der Charité – Universitätsmedizin Berlin organisiert.
Wir danken Prof. Dr. Christian Meisel für seine inspirierende Keynote, dem BIH für die Nutzung des Digital Labs und natürlich allen Teilnehmenden für ihren Einsatz!
Und ein besonderer Dank gilt unseren Sponsoren Masimo, Dräger und Philips, deren Unterstützung den Patient Monitoring Roundtable erst möglich macht.
