Es sind nicht die Spenden- oder Galaveranstaltungen. Es sind DeScriptive, PreDictive und PreScriptive Analyse-Methoden, welche aus der Formel 1 übernommen werden, um Kindern auf der Intensivstation zu überwachen. Die PreDictive und PreScriptive Modellierungen zeigen Trends und Handlungsempfehlungen und retten Leben, durch wertvollen Zeitgewinn.
Während einem Formel 1 Rennen, sendet ein Rennwagen hunderte von Millionen Datenpunkte an das Engineering zur real-time Analyse. Im Motorsport liegt der Fokus in den Details.
Die digitale Transformation fordert so auch den Fertigungsprozess mittels «Rapid Prototyping» zu arbeiten. Alle zwei Wochen werden rund 5000 neue Teile entworfen, hergestellt und verbaut.
Von Rennen zu Rennen werden zwischen 5 und 10% des Fahrzeuges verändert.
Diese intensiven Frequenzen erfordern auch Technologien wie das 3D-Printing, in welchem es möglich ist ein weiteres der 25’000 Gesamteile des F1 Rennwagens zu integrieren.
Die Verarbeitung von Daten in Geschichten.
Wie ist der aktuelle Zustand (DeScriptive), wohin führt die Verschleissentwicklung des Triebwerks oder der Reifen (PreDicitive). Einziges Ziel ist es Daten in Wissen umzuwandeln, zu verarbeiten und Entscheidungen zu treffen (PreScriptive). Diese Entscheidungen können zum einen in die Rennstrategie, sowie auch in eine Schalt- und Steuerzeiten-Optimierung des Antriebsstranges einfliessen.
Genauso kann das auch bei der intensiven Betreuung eines Säuglings nach einem Eingriff eingesetzt werden. DeScriptive Daten wie Herzfrequenz, Puls, Sauerstoffsättigung oder die Atemfrequenz werden permanent aufgezeichnet und über die bekannten Monitoring-Systeme dargestellt.
Bei einer Herzattacke, welche niemand eindeutig vorhersehen kann, wird erst beim Überschreiten von vorgegebenen Grenzwerten alarmiert. Meist ist eine solche Warnung zu spät um richtig und effektive zu handeln.
McLaren F1 und das Birmingham Kinderspital, haben disruptive Innovationsgeschichte geschrieben. Peter van Manen, Managing Director von McLaren Electronics und Dr. Heather Duncan setzten ihre doch sehr unterschiedlichen Teams zusammen, um ein Frühwarnsystem in der medizinischen Überwachung zu entwickeln.
Es wurde sehr schnell klar, dass vieles was in der Formel 1 zur Überwachung und Betrieb angewendet wird, auch für eine Intensivpflege funktionieren kann. Die hohe Präzision viele Daten zu verarbeiten, darzustellen, wie auch predictive in eine mögliche Zukunft zu sehen und Handlungsempfehlungen über die prescriptive Analyse abzuleiten. Dies ist bei McLaren Routine wie auch eine der Kernkompetenzen. Durch die hohe Leistungsfähigkeit der Software für den Rennbetrieb, ist ein Umlernen des Programmes sehr gut möglich und schafft so eine schnelle Adaptionsmöglichkeit für den Klinikbetrieb.
Wenn wir nun wieder zurück zur Betreuung des Säuglings nach einem Eingriff gehen, das letzte Scenario mit der statischen Grenzwertüberwachung vor Augen führen, öffnen sich nun neue Chancen mittels Datenmodellierung. Kurz vor einem durchschlagen der definierten Eingriffsgrenzen, erfahren diverse Werte bereits Veränderungen, ohne gleich den «threshold» einzelner Messkriterien zu.
Durch predicitve Mustererkennung, ist es so möglich, ein Frühwarnsystem ins Leben zu rufen, welches nun mehr Zeit zum Handeln verschafft. Man kann nicht vom Standardmuster eines gesunden Kindes als Referenz ausgehen. Ein so schwer krankes Kind auf der Intensivstation, befindet sich weit ausserhalb der Grenzen eines gesunden Menschen, was nur über Modellveränderungen wirklich visualisiert werden kann.
Die Herausforderung der intensiven Betreuung, ist das schnelle wie auch kontrollierte Handeln.
Dies ist wie bei einem Rennwagen, wenn sich Dinge verschlechtern, bleibt wenig Zeit für die Entscheidung und richtige Intervention. Bestehende Daten (DeScriptive) werden predictive und prescriptive dargestellt und geben den Ärzten wie auch Rennfahrern frühzeitigen Aufschluss über eine Veränderung der Situation. Die prescriptiven Handelsempfehlungen werden durch künstliche Intelligenz (AI) gestützt, so dass die Entscheidungen noch umsichtiger gemacht werden können.
DeScriptive, PreDictive und PreScriptive Analyse-Methoden kennen praktisch keine Einsatzgrenzen.
Es gibt unzählige Beispiele wie aus der Luftfahrtindustrie, wo Wartungsbereiche und Verkehrsfluss- optimierungen vermehrt mit solchen intelligenten Systemen optimiert oder gar autonom betrieben werden.
FAZIT:
Grenzen überschreiten – disruptive Wege einschlagen und Partnerschaften eingehen um voneinander zu lernen, sich daraus weiterzuentwickeln und Mehrwert zu schaffen.
Weiterführende Informationen:
Big Data powers the Formula 1
Formula 1 and its contributions to healthcare
Prescriptive Analytics vs. Predicitive Analytics: What’s the Difference?
Advanced Analytics: Descriptive, Predictive, Prescriptive Analytics Explained
