Mehr Effizienz Im Gesundheitswesen
Die Gesundheitsbranche steht heute vor großen Herausforderungen: Die Kosten explodieren weltweit – die Marktforscher von Deloitte erwarten, dass die globalen Gesundheitsausgaben in 2022 auf 10 Billionen US-Dollar steigen (2017 lagen sie noch bei 7,7 Billionen US-Dollar). Chronische Erkrankungen treten immer häufiger auf. Laut Weltgesundheitsorganisation (WHO) sterben weltweit jährlich 13 Millionen Menschen vor dem 70. Lebensjahr an Herz-Kreislauf-Erkrankungen, chronischen Atemwegserkrankungen, Diabetes und Krebs. Zudem wird es immer schwieriger, das nötige Personal zu finden, um medizinische Dienstleistungen flächendeckend anbieten zu können.
Wearables analysieren vitalparameter
Eine Lösung, um diesen Herausforderungen zu begegnen, ist die Nutzung von IoT-Edge Geräten und der sie unterstützenden Computerarchitekturen. So können tragbare Edge Geräte kritische Patientendaten sammeln, speichern und analysieren, ohne in ständigem Kontakt mit einer Netzwerkinfrastruktur stehen zu müssen. Derartige Medizinprodukte unterstützen also die schnelle und einfache Erstellung von Diagnosen, ohne dass der Patient unbedingt eine Praxis oder ein Krankenhaus aufsuchen muss. Zusätzlich können die gesammelten Informationen in gewissen Zeitintervallen an die zentralen Server in der Cloud übermittelt werden, um von dem behandelnden Arzt kontrolliert oder für Langfrist-Diagnosen gespeichert zu werden.
Warnung vor asthmaanfällen
Ein Beispiel hierfür ist Adamm – ein tragbarer intelligenter Asthmamonitor, der die Symptome eines Asthmaanfalls vor dessen Ausbruch erkennt. So kann der Träger frühzeitig dagegen angehen, bevor es wirklich schlimm wird. Die Sensoren im Wearable erkennen die individuellen Symptome des Patienten – sie überwachen dazu Hustenrate, Atemmuster, Herzschlag, Temperatur und andere relevante Messwerte. Der Asthmamonitor verfügt über Algorithmen, mit denen er lernen kann, was der „Normalzustand“ des Patienten ist. So erkennt er mit der Zeit immer besser, wenn sich ein Anfall andeutet. Dabei werden alle Daten auf dem Gerät selbst verarbeitet. Wann immer sie von der individuellen Norm des Patienten abweichen, vibriert das Wearable und informiert ihn so über die Abweichung. Gleichzeitig kann Adamm eine SMS an eine vorher festgelegte Pflegekraft oder Person des Vertrauens senden. Das Gerät hängt dabei nicht von der Rechenleistung eines Smartphones ab und bietet somit eine echte Autonomie. Es kann aber Daten nach Bedarf an eine App oder ein Webportal übertragen.
Unterstützung für notruf-zentralen
Doch nicht nur bei der Überwachung von Patientendaten helfen KI-unterstützte Edge Geräte: Die dänische Firma Corti hat zum Beispiel ein System entwickelt, das in der Lage ist, medizinisches Personal, wie Notfalldisponenten, zu unterstützen. Corti Triage nutzt ein Edge-Computing-Gerät namens Orb. Orb ist Teil von Cortis Echtzeit-Entscheidungssystem, das mit KI-Technologie wichtige Muster im eingehenden Notruf identifiziert und die Dispatcher bei Ereignissen warnt, die eine möglichst schnelle Reaktion erfordern, wie zum Beispiel bei einem Herzinfarkt. Dazu wird das Gerät einfach auf dem Tisch des Dispatchers platziert. Es verbindet sich mit dem Audio-Stream des Telefons, um Notrufe abzuhören. Anstatt explizit mit Mustervorfällen programmiert zu werden, lernt der KI-Algorithmus, indem er sehr vielen Anrufen zur Identifizierung von Schlüsselfaktoren lauscht. Das System berücksichtigt dabei auch nonverbale Klänge, die wichtige Hinweise liefern können. Edge Computing hat dabei nicht nur den Vorteil einer sehr schnellen Reaktion, wie Corti-Mitgründer und CTO Lars Maaløe betont: „Effizienz ist entscheidend für Edge Geräte – besonders bei Notfall-Applikationen. Und Edge Computing hat den entscheidenden Vorteil, dass der Orb kontinuierlich funktioniert, auch wenn die Internetverbindung unterbrochen ist.“ Corti's Orb soll alleine durch das Zuhören über Telefon dabei helfen, die Zahl der unentdeckten Herzinfarkte um mehr als 50 Prozent zu reduzieren und innerhalb von 50 Sekunden zu erkennen, ob ein Herzinfarkt vorliegt. Ein entscheidender Zeitgewinn, denn vom Kollaps bis zum Beginn der Reanimation sinkt die Überlebenschance des Opfers um zehn Prozent pro Minute: Die Disponenten können also dringend Hilfe gebrauchen, um einen Herzstillstand schnell und effizient zu erkennen.
Bessere bilder aus dem MRT
Aber auch im Krankenhaus hilft Edge Technologie, die Leistungen für Patienten zu verbessern. So ermöglicht Edge Computing bei Magnetresonanz-Geräten von GE Healthcare schnellere Aufnahmezeiten, eine bessere Bildqualität und weniger Abweichungen. Die MRT-Geräte verfügen dazu über eingebettete, leistungsstarke Grafikprozessoren. Zusammen mit AIRx, einem KI-basierten, automatisierten Workflow-Tool für das MRT-Hirnscanning, ermöglichen sie die automatische Identifizierung von anatomischen Strukturen. Das System legt anschließend selbständig die Schnittpositionen und den Winkel der Bildaufnahmen für neurologische Untersuchungen fest. So verringern sich Fehler bei Aufnahmen und die Zeit, die der Patient im MRT-Gerät liegt, wird deutlich reduziert. AIRx basiert auf Edison, einer General-Electric-Plattform mit der die Entwicklung und Einführung von KI-Technologie beschleunigt werden soll. Edison kann Daten aus unterschiedlichen Quellen integrieren und assimilieren, fortschrittliche Analysen und KI anwenden, um die Daten zu transformieren und daraus entsprechende Erkenntnisse zu generieren. „KI ist von grundlegender Bedeutung für die Präzisionsmedizin und muss von der Cloud bis zur Edge und direkt auf Medizinprodukten verfügbar sein“, betont Dr. Jason Polzin, General Manager of MR Applications, GE Healthcare. „EchtzeitAnwendungen in der Intensivmedizin erfordern schlichtweg KI at the edge.“
****
English version.
ebv content library/articles/greater-efficiency-in-healthcare-de
Mehr Effizienz Im Gesundheitswesen | EBV Elektronik
