Wenn die arterielle Kanüle überflüssig wird: KI und Wearables könnten das Blutdruckmonitoring verändern

Kontinuierlicher Blutdruck gehört auf Intensivstationen zu den wichtigsten Vitalparametern. Wer ihn zuverlässig und in Echtzeit überwachen möchte, kommt bei kritisch kranken Menschen häufig nicht an einer arteriellen Kanüle vorbei. Forschende der Johns Hopkins University zeigen nun einen anderen Weg: Zwei Wearables und ein KI-Modell sollen eine kontinuierliche Blutdruckkurve nahezu ohne invasiven Zugang rekonstruieren können. Für die Pflegeinformatik ist daran nicht nur die Technologie interessant, sondern vor allem die Frage, was passiert, wenn aus punktuellen Messwerten plötzlich kontinuierliche Datenströme werden.

Auf Intensivstationen ist die kontinuierliche Blutdruckmessung Alltag. Gerade bei hämodynamisch instabilen Patientinnen und Patienten reicht es häufig nicht aus, in bestimmten Zeitabständen eine Blutdruckmanschette anzulegen. Veränderungen müssen unmittelbar erkannt werden können, weshalb der arterielle Katheter weiterhin eine wichtige Rolle spielt.

Die Methode liefert präzise Echtzeitinformationen, hat aber ihren Preis: Die Anlage ist invasiv, es bestehen Risiken wie Blutungen, Thrombosen und Infektionen und auch die Bewegungsfreiheit des Patienten kann eingeschränkt werden. Die nicht-invasive Blutdruckmanschette vermeidet diese Probleme, liefert dafür aber nur einzelne Momentaufnahmen.

Genau zwischen diesen beiden Verfahren positioniert sich ein von Forschenden der Johns Hopkins University entwickeltes System namens MOSAIC.

Zwei Sensoren statt Katheter

Das Prinzip ist bemerkenswert: Ein Sensor wird auf der Brust getragen, ein zweiter an einem Finger. Gemeinsam erfassen sie die elektrische Aktivität des Herzens und Informationen über den Blutfluss. Ein Deep-Learning-Modell verarbeitet diese Signale anschließend und rekonstruiert daraus nicht lediglich einen systolischen und diastolischen Wert, sondern eine kontinuierliche arterielle Blutdruckkurve.

Damit versucht MOSAIC gewissermaßen, die Vorteile zweier Welten miteinander zu verbinden: die kontinuierliche Information der invasiven arteriellen Messung mit der geringeren Belastung eines Wearables.

Die ersten Ergebnisse klingen interessant, sollten aber noch nicht mit klinischer Reife verwechselt werden. Das System wurde zunächst bei 28 Intensivpatientinnen und -patienten am Johns Hopkins Hospital untersucht. Nach Angaben der Forschenden lagen die durch das KI-Modell erzeugten Blutdruckkurven nahe an den gleichzeitig über arterielle Katheter gemessenen Werten. Nun soll die Validierung an einer größeren Gruppe zeigen, wie zuverlässig und robust das Verfahren tatsächlich ist.

Das ist ein wichtiger Unterschied. Zwischen einer vielversprechenden Studie mit 28 Personen und einem verlässlichen Medizinprodukt für unterschiedliche Patientengruppen und klinische Situationen liegt noch ein erheblicher Weg.

Interessant wird es außerhalb der Intensivstation

Sollte sich das Verfahren bewähren, könnte seine eigentliche Bedeutung sogar außerhalb der Intensivmedizin liegen.

Denn dort existiert heute eine interessante Informationslücke. Auf einer Intensivstation werden Vitalparameter nahezu kontinuierlich überwacht. Auf einer Normalstation reduziert sich die Datendichte dagegen erheblich. Blutdruck, Puls und andere Parameter werden zu bestimmten Zeitpunkten erhoben und dokumentiert.

Dazwischen kann viel passieren.

Ein tragbares System, das kontinuierlich zuverlässige Blutdruckinformationen liefert, könnte dieses Prinzip grundlegend verändern. Die Forschenden sehen neben Normalstationen langfristig sogar Einsatzmöglichkeiten im häuslichen Umfeld, beispielsweise bei Menschen mit Hypertonie. Sie vergleichen die mögliche Entwicklung mit dem kontinuierlichen Glukosemonitoring bei Diabetes.

Und genau hier wird die Entwicklung aus Sicht der Pflegeinformatik besonders spannend.

Mehr Messwerte bedeuten nicht automatisch bessere Versorgung

Stellen wir uns vor, ein Patient auf einer Normalstation trägt zukünftig einen solchen Sensor.

Heute erhält die Pflegefachkraft vielleicht einige dokumentierte Blutdruckwerte pro Tag. Morgen könnten es theoretisch Tausende Messpunkte sein.

Damit haben wir zunächst nicht mehr Information.

Wir haben mehr Daten.

Aus diesen Daten muss erst klinisch relevante Information entstehen.

Eine Pflegefachkraft kann und sollte keine kontinuierlichen Blutdruckkurven von 30 Patientinnen und Patienten beobachten. Deshalb müsste ein solches System erkennen, wann eine Veränderung relevant wird, wie sie im jeweiligen klinischen Kontext zu bewerten ist und wann daraus tatsächlich eine Handlung erforderlich wird.

Damit verändert sich auch die Aufgabe der KI.

Sie berechnet nicht mehr nur einen Blutdruckwert. Sie müsste perspektivisch helfen, aus einem kontinuierlichen Datenstrom die Situationen herauszufiltern, die für die Versorgung relevant sind.

Aus Vitalzeichen werden Informationsprozesse

Genau das ist eine klassische Aufgabe der Pflegeinformatik.

Wenn neue Sensoren kontinuierlich Informationen produzieren, müssen wir überlegen, wie diese Daten in bestehende Versorgungssysteme gelangen. Ein zusätzliches Dashboard für Blutdruck, eines für Mobilität, eines für Sensorik und ein weiteres für andere Wearables wäre keine Digitalisierung, die Pflege entlastet.

Es wäre eine neue Form digitaler Arbeitsbelastung.

Deshalb müssen solche Systeme von Anfang an in klinische Informations- und Arbeitsprozesse integriert werden.

Ein auffälliger Blutdruckverlauf müsste beispielsweise mit weiteren Informationen zusammengedacht werden: Medikation, Flüssigkeitsbilanz, Mobilisation, Schmerz, vorherige Vitalparameter, Diagnosen oder aktuelle pflegerische Beobachtungen.

Erst aus diesem Kontext entsteht klinisch relevante Information.

Und damit wird Interoperabilität plötzlich zu einem entscheidenden Qualitätsmerkmal eines Wearables.

Die spannende Frage ist nicht: Wie genau misst die KI?

Natürlich muss ein solches System zunächst nachweisen, dass seine Messwerte klinisch zuverlässig sind. Ohne ausreichende Validität erübrigt sich jede weitere Diskussion.

Danach beginnt aber eine zweite Ebene der Evaluation.

Was verändert die Technologie tatsächlich in der Versorgung?

Reduziert sie invasive arterielle Zugänge? Sinkt dadurch die Zahl katheterassoziierter Komplikationen? Können Patientinnen und Patienten früher mobilisiert werden? Werden kritische Blutdruckveränderungen auf Normalstationen früher erkannt? Entstehen weniger ungeplante Verlegungen auf die Intensivstation?

Und aus pflegerischer Perspektive ebenso wichtig: Reduziert das System Arbeit oder erzeugt es neue?

Wenn ein Wearable alle fünf Minuten einen Alarm produziert, kann ein medizinisch beeindruckendes System organisatorisch trotzdem zum Problem werden.

Ein idealer Kandidat für ein Digital Nursing Outcome Assessment

Genau deshalb wäre MOSAIC ein interessantes Beispiel für das Digital Nursing Outcome Assessment (DNOA), das wir derzeit auf Pflegeinformatik.org als Initiative diskutieren.

Neben der medizinischen Messgenauigkeit könnten beispielsweise pflegerische Outcomes betrachtet werden: Zeitaufwand für Vitalzeichenerhebung, Zahl manueller Messungen, Unterbrechungen, Alarmhäufigkeit, Mobilität, Pflegezeit, wahrgenommene Arbeitsbelastung und natürlich Patientensicherheit.

Eine wichtige Kennzahl wäre dabei der von uns vorgeschlagene Nursing Time Returned (NTR).

Wenn kontinuierliche Sensorik beispielsweise pro Patient 15 Minuten manuellen Messaufwand einspart, aber gleichzeitig zehn Minuten durch Alarme, Kontrollen und technische Probleme entstehen, beträgt die tatsächliche Entlastung eben nicht 15 Minuten.

Sie beträgt fünf.

Das klingt nach einer kleinen methodischen Unterscheidung. Für die Bewertung digitaler Pflegeinnovationen ist sie fundamental.

Vielleicht verändert KI zuerst unsere Vitalzeichen

Wenn wir über KI im Gesundheitswesen sprechen, stehen häufig spektakuläre generative Anwendungen im Mittelpunkt. Systeme schreiben Arztbriefe, erstellen Pflegedokumentation oder beantworten medizinische Fragen.

MOSAIC zeigt eine andere Entwicklung: KI kann auch bestehende medizinische Messverfahren verändern.

Sie wird dann nicht primär sichtbar, weil jemand mit einem Chatbot spricht. Sie arbeitet im Hintergrund und rekonstruiert aus verschiedenen Sensorsignalen eine klinische Information, für deren Erhebung bislang ein invasives Verfahren erforderlich war.

Sollte sich dieser Ansatz in größeren Studien bestätigen, könnte das weit über die Intensivstation hinausreichen. Die Grenze zwischen klassischem Monitoring auf der Intensivstation, intermittierender Vitalzeichenerhebung auf der Normalstation und Monitoring zu Hause würde zunehmend durchlässiger.

Für die Pflegeinformatik entsteht daraus eine zentrale Aufgabe: Wir müssen dafür sorgen, dass aus immer mehr kontinuierlich erzeugten Gesundheitsdaten nicht immer mehr digitale Arbeit entsteht, sondern bessere Information.

Denn am Ende ist nicht entscheidend, wie viele Datenpunkte ein Wearable erzeugt.

Entscheidend ist, ob die richtige Information zur richtigen Zeit bei der richtigen Pflegefachkraft ankommt – und daraus eine bessere Versorgung entsteht.

Wie seht ihr das? Würde kontinuierliches nicht-invasives Monitoring Pflege auf Normalstationen tatsächlich entlasten und die Patientensicherheit verbessern – oder droht damit vor allem eine neue Welle von Daten und Alarmen?

Quelle: ICT&health, Less invasive blood pressure monitoring in the ICU, 19. August 2026.

👉 Zum Originalbeitrag bei ICT&health

👉 Zur Initiative Digital Nursing Outcome Assessment (DNOA)