Verschlechterung des Patientenzustandes frühzeitig erkennen

Infektionskrankheiten zählen weltweit zu den häufigsten Krankheits- und Todesursachen. Die Erkrankungen können oft tückisch sein, wie sich auch im aktuellen Fall der Covid19-Pandemie zeigt. Denn auch bei initial milden Verläufe kann eine plötzliche und rapide Zustandsverschlechterung auftreten, die zu schweren Komplikationen bis hin zum Tod führen kann. Ein entscheidender Faktor ist ein frühzeitiges Erkennen solcher Zustandsverschlechterungen. Je schneller eine situativ angepasste Therapie eingeleitet werden kann, desto günstiger ist die Verlaufsprognose.

Aktuell erfolgt ein engmaschiges Monitoring der Patienten und Patientinnen, z.B. mittels kontinuierlicher EKG-Ableitung, Blutdruckmessung und Pulsoxymetrie, nur auf Intensivtherapiestationen. Auf Normalstationen, wo sich Patienten mit initial milden Verläufen üblicherweise aufhalten, ist kein Monitoring vorgesehen – ebenso wenig in Einrichtungen zur Lang- und Kurzzeitpflege, im Bereich der ambulanten Behandlung oder gar in der häuslichen Umgebung. Dies führt dazu, dass Zustandsverschlechterungen häufig zu spät erkannt und die erforderlichen Maßnahmen nicht rechtzeitig eingeleitet werden. Dies erhöht das Risiko für die Patienten und verlängert i.d.R. die Dauer der erforderlichen Therapie.

Sensorarmband für kontinuierliches Monitoring

Im Rahmen des Projekts M3Infekt, mit zehn Fraunhofer Instituten und vier medizinischen Partnern, wird ein Prototyp eines modularen und mobilen Sensorarmbands entwickelt, das ein Monitoring relevanter Biosignale zur frühzeitigen Erkennung von Zustandsverschlechterungen bei Infektionskrankheiten am Beispiel von Covid-19-Patienten erlaubt. Hier bringt die Fraunhofer EMFT ihre Kompetenzen in den Bereichen Systemintegration und flexibler Elektronik in das Projekt ein. Die ausgewählten Sensoren zur Messung der Krankheitsparameter werden auf einen dünnen, flexiblen Schaltungsträger integriert. Ein Gesamtkonzept für Powermanagement, Energiespeicher und Energy Harvesting erstellt ermöglicht es dem System, energie-autark zu funktionieren. Die Integration einer energieeffizienten Kommunikationsschnittstelle ist essentiell, um die Daten online in eine zentrale Datenbank zur zweckgebundenen Analyse und Weiterverarbeitung übertragen zu können.

KI hilft, unspezifische Symptome richtig einzuordnen

Die Verschlechterung des Gesundheitszustandes kündigt sich durch eine Vielzahl unspezifischer Symptome an, was die Diagnosestellung erschwert. Deshalb soll im Projekt eine Fusion der Sensordaten und eine Datenanalyse mit Hilfe von Methoden des maschinellen Lernens und künstlicher Intelligenz erfolgen. So wird aus den jeweils für sich unspezifischen Parametern in ihrer Summe ein charakteristisches Muster erzeugt, aus dem sich eine genaue Diagnose sowie valide Aussagen über den Zustand der Patienten, den Krankheitsverlauf und die Prognose ableiten lassen.