Autonomer KI-Agent revolutioniert die klinische Triage bei Fernüberwachung

Die Fernüberwachung von Patienten erzeugt enorme Datenmengen, die in früheren Studien wie Tele‑HF und BEAT‑HF die klinische Praxis überlasteten. Obwohl die TIM‑HF2‑Studie zeigte, dass 24/7 von Ärzten geleitetes Monitoring die Mortalität um 30 % senken kann, bleibt dieses Modell wegen hoher Kosten unpraktisch.

Um diese Hürde zu überwinden, hat ein Forschungsteam den autonomen KI-Agenten „Sentinel“ entwickelt. Sentinel nutzt das Model Context Protocol (MCP) und kombiniert 21 klinische Entscheidungswerkzeuge mit mehrstufiger Logik, um Vitaldaten aus der Fernüberwachung kontextbezogen zu triagieren.

Die Evaluation umfasste drei Hauptaspekte: Selbstkonsistenz (100 Messungen, 5 Durchläufe), Vergleich mit regelbasierten Schwellenwerten und eine Validierung gegen sechs erfahrene Kliniker (drei Ärzte, drei Nurse Practitioners) mittels einer verbundenen Matrix‑Studie. Sentinel erreichte eine Notfall‑Sensitivität von 95,8 % und eine Sensitivität für alle handlungsrelevanten Alarme von 88,5 %. Die Spezifität lag bei 85,7 %. Die vierstufige Genauigkeit betrug 69,4 % (quadratisch gewichteter Kappa = 0,778), wobei 95,9 % der Klassifikationen um höchstens eine Schwere‑Stufe abwichen.

Im Vergleich zu einzelnen Klinikern übertraf Sentinel die Notfall‑Sensitivität (97,5 % vs. 60,0 %) und die Sensitivität für handlungsrelevante Alarme (90,9 % vs. 69,5 %). Obwohl 22,5 % der Fälle zu einer Übertriage führten, bestätigte eine unabhängige ärztliche Begutachtung die Eskalation in 88‑94 % der Fälle; die Konsenslösung bestätigte 100 % der Entscheidungen. Sentinel zeigte zudem eine nahezu perfekte Selbstkonsistenz mit einem Kappa von 0,850.

Die Studie liefert überzeugende Belege dafür, dass ein autonomer KI-Agent die klinische Triage bei der Fernüberwachung zuverlässig und effizient durchführen kann, ohne die bisherige Kostenstruktur zu erhöhen. Weitere Details zu den Kosten wurden im Abstract nicht veröffentlicht.