Assistenzsysteme für ambulante Versorgung

Medizinische Assistenzsysteme spielen eine entscheidende Rolle in der modernen Gesundheitsversorgung und sind besonders wichtig in den Bereichen Prävention, Diagnostik, Therapie und Nachsorge. Sie ermöglichen eine frühzeitige Erkennung von Erkrankungen, unterstützen Fachkräfte bei der genauen Diagnose und optimieren Therapieansätze durch individuell angepasste Behandlungspläne.

Die Fraunhofer-Gesellschaft fördert aktiv die Entwicklung innovativer Technologien, die die Effizienz und Qualität der medizinischen Versorgung steigern. Durch den Einsatz von Künstlicher Intelligenz und Datenanalysen können Assistenzsysteme nicht nur die Entscheidungsfindung der Ärzte unterstützen, sondern auch Patienten in ihrer Selbstverantwortung stärken. Die Integration solcher Systeme fördert nicht nur die Patientensicherheit, sondern auch die Ressourcenschonung im Gesundheitswesen. Damit sind sie ein unverzichtbarer Bestandteil der zukünftigen Gesundheitsversorgung, die auf Präzision und Personalisierung setzt.

Gesundes und resilientes Altern durch Medizintechnik

Projekt GRANNI (Gesundes und resilientes Altern durch nachhaltige Medizintechnik aus der Norddeutschen Hanse Innovation Community)

Der demografische Wandel stellt unsere Gesellschaft vor enorme Herausforderungen. Insbesondere das Gesundheitssystem wird durch die Verrentungswelle der »Babyboomer« und die gleichzeitig steigende Nachfrage nach medizinischen Dienstleistungen doppelt belastet. Schon jetzt herrscht ein akuter Fachkräftemangel, der sich in den kommenden Jahren dramatisch verschärfen wird. Prognosen zufolge werden bis 2035 etwa 1,8 Millionen Stellen im Gesundheitswesen unbesetzt bleiben.

»Ohne Gegenmaßnahmen steuern wir auf eine buchstäblich lebensgefährliche Überlastung des Gesundheitssystems zu«, warnt Prof. Thorsten Buzug, Direktor des Instituts für Medizintechnik von der Universität zu Lübeck und Sprecher der Hanse Innovation Community GRANNI. »Unser partizipativer Forschungsansatz entwickelt zusammen mit klinischen Partnern Methoden für die Gerontologie 2.0, um den Druck auf das Gesundheitssystem nachhaltig zu senken.«

Das Projekt GRANNI verfolgt einen integrativen Ansatz, der sowohl technologische als auch gesellschaftliche Aspekte berücksichtigt. »Auf der Ebene des Gesundheitssystems müssen die Prozesse konsequent digitalisiert werden, um dem Fachkräftemangel durch Automatisierung und den Einsatz von KI effektiv zu begegnen«, erklärt Prof. Philipp Rostalski, Direktor am Fraunhofer IMTE. »Auf der Ebene der alternden Patientinnen und Patienten besteht ein großer Bedarf an innovativen Lösungen zur Förderung eines Alterns in Würde und Autonomie.«

https://www.imte.fraunhofer.de/de/presse-medien/pressemitteilungen-aktuelles/pm---luebecker-forschungslandschaft-erhaelt-foerdergelder-in-hoe.html

https://www.bmbf.de/bmbf/de/forschung/datipilot/datipilot.html

© Sandy Bever, Fraunhofer IMTE
Dorothee Stamm, Prof. Dr. Thorsten Buzug, Prof. Frank Schwartze, Prof. Dr. Philipp Rostalski und Anna Lena Paape (v.l.n.r.) – hier im Lübeck Innovation Hub for Robotic Surgery (LIROS) im Fraunhofer IMTE – haben das Medizintechnikprojekt GRANNI erfolgreich vor einer BMBF-Jury in Berlin präsentiert.

Smarte Assistenzsysteme für Senioren

Referenzprojekt: Assistenzsysteme, Fraunhofer IESE
© iStock.com/Pornpak Khunatorn

Wir unterstützen ältere Menschen durch technologische und soziale Gesamtlösungen, die ein länger autarkes und selbstbestimmtes Leben zu Hause ermöglichen. Hierfür setzen wir eine Bandbreite von Technologien ein, zum Beispiel Telematik oder Sensorik, und verknüpfen diese mit sozialen sowie organisationalen Konzepten zu einer Gesamtlösung.

https://www.iese.fraunhofer.de/de/referenz/smarte-assistenzsysteme-selbstbestimmtes-leben.html

MED2ICIN: Digitales Patientenmodell unterstützt Behandelnde bei Entscheidungsfindung und reduziert Kosten

Das im Projekt MED²ICIN entwickelte System zur Entscheidungsunterstützung soll schnellere Behandlungserfolge bringen. Indem es alle individuellen Patienteninformationen bündelt und mit Kohorten ähnlicher Individuen abgleicht, unterstützt es Medizinerinnen und Mediziner in ihrer Entscheidungsfindung. Neben der Auswahl einer optimalen Therapie reduziert diese Lösung Behandlungszeit und -kosten.

Mit einer personalisierten und kostenintelligenten Behandlung eröffnet das digitale Patientenmodell neue Möglichkeiten für die Gesundheitswirtschaft. In unterschiedlichsten Systemen vorhandene Patientendaten werden dadurch zu einem digitalen Abbild zusammengeführt. »Es bringt Vorteile sowohl für die konkrete Behandlung individueller Patientinnen und Patienten als auch für den Einsatz gesamtgesellschaftlicher Gesundheitsausgaben mit sich«, sagt Dr. Stefan Wesarg, Head of Competence Center Visual Healthcare Technologies am Fraunhofer-Institut für Graphische Datenverarbeitung IGD und Koordinator von MED²ICIN. »Eine datenschutzkonforme Zusammenführung individueller Gesundheits- und Krankheitsdaten und deren intelligente Analyse lässt eine vollkommen neuartige Lösung für eine effektivere Prävention, Diagnostik, Therapie und Versorgung entstehen.«

https://www.igd.fraunhofer.de/de/media-center/presse/digitales-patientenmodell-unterstuetzt-behandelnde-bei-entscheidungsfindung-und-reduziert-kosten.html

https://websites.fraunhofer.de/med2icin/video-digitales-patientenmodell-fuer-chronische-krankheiten-dashboard-fuer-gezieltere-diagnosen/

© Fraunhofer IGD
Das digitale Patientenmodell, Ergebnis des Fraunhofer-Leitprojekts MED²ICIN, überzeugt im Praxistest.

Größere Sicherheit in der Arzneimittelbehandlung und Stärkung des Patient Empowerment

Im neuen EU-Projekt »SafePolyMed« möchte ein internationales Forschungsteam künftig Ärzten und Apothekern innovative Instrumente an die Hand geben, um die Sicherheit der Arzneimittelbehandlung zu erhöhen und die Patienten darüber aufzuklären, wie sie ihre Gesundheitsversorgung aktiv selbst steuern können. Das Fraunhofer-Institut für Biomedizinische Technik bringt in das Projekt seine langjährige Expertise im Bereich Gesundheitsinformationssysteme ein.

https://www.safepolymed.eu/

https://www.ibmt.fraunhofer.de/de/ibmt-presse-uebersicht/presse-ibmt-safepolymed-2022-07-06.html

Ophtalmo-AI - Intelligente, kooperative Diagnose- und Therapieunterstützung in der Augenheilkunde

Bildgebende Verfahren in der Augenheilkunde sind technologisch so weit fortgeschritten, dass sich Netzhaut- und Gefäßstrukturen im Auge hochgenau zwei-, drei- oder gar vierdimensional darstellen lassen. Das Bildmaterial zu interpretieren und unter Berücksichtigung der Patientenhistorie eine Therapieentscheidung abzuleiten, ist jedoch anspruchsvoll und erfordert viel Erfahrung. Behandlungsfehler können fatale Folgen für Patientinnen und Patienten haben. Das kürzlich gestartete Verbundprojekt »Ophthalmo-AI«, koordiniert vom Fraunhofer-Institut für Biomedizinische Technik IBMT, will ein intelligentes, interaktives Assistenzsystem schaffen, das Augenärztinnen und -ärzte mit Methoden der erklärbaren Künstlichen Intelligenz unterstützt und nachvollziehbare Diagnosen und Behandlungsvorschläge macht.

https://www.interaktive-technologien.de/projekte/ophthalmo-ai

https://www.ibmt.fraunhofer.de/de/ibmt-presse-uebersicht-2021/presse-ophthalmo-ai-2021-05-04.html

© Heidelberg Engineering GmbH

Projekt Optapeb: Optimierung der Psychotherapie durch Agentengeleitete Patientenzentrierte Emotionsbewältigung

Ein zentrales Element bei der Psychotherapie von Angststörungen ist es, die Betroffenen den Angst auslösenden Situationen auszusetzen. Im Projekt wird ein System entwickelt, das die emotionalen Reaktionen der Klientinnen und Klienten während solcher Expositionen multimodal erfasst und daraus durch Datenfusion Parameter extrahiert, die für den weiteren Verlauf relevant sind. Aus diesen Parametern werden Mikrointerventionen abgeleitet, die den Patientinnen und Patienten durch einen virtuellen Agenten in einer intuitiven Interaktion zur Verfügung gestellt werden. Durch die maschinelle Verarbeitung der in zahlreichen Expositionen gewonnenen Datensätze werden Prognosen für erfolgreiche Mikrointerventionen abgeleitet.

https://www.interaktive-technologien.de/projekte/optapeb

https://www.iis.fraunhofer.de/de/ff/sse/machine-learning/affective-sensing.html