Healthcare Hackathon

Wie verbessert Künstliche Intelligenz Abläufe in der Medizin?

Wie kann die Digitalisierung Abläufe in der Medizin verbessern - und wie lässt sich Künstliche Intelligenz (KI) dafür nutzen und für alle verfügbar zum Einsatz bringen? Das fragen sich am 2. und 3. September Experten-Teams aus Pflegenden, Ärzten und Programmierern in Berlin auf dem ersten „Healthcare Hackathon“.

Der Healthcare Hackathon Mainz geht in Berlin in die zweite Runde. Licht&Feder 2019

Der erste Hackathon in Mainz hat bereits folgende fünf vielversprechende, interaktiv-digitale Ideen für die Patientenversorgung und Mitarbeiterentlastung hervorgebracht, die nun in Berlin weiterentwickelt und verfeinert werden sollen:

  1. Pflegedokumentation per Gestensteuerung und Spracheingabe
  2. "Bee“ – die App für eine interaktive Mitarbeitereinarbeitung
  3. ein Internet of Things (IoT)-Button für Entlastung der Pflege von Bestellprozessen
  4. Künstliche Intelligenz als digitales „Drittes Auge“ für das Mikroskopieren
  5. Big Data zur Schlaganfallprävention

1. Eine Möglichkeit, wie die Digitalisierung in der Pflege genutzt werden kann, zeigt das Projekt „Pflegedoku“ per Gestensteuerung und Spracheingabe - digital unterstützte Pflege für mehr Zeit am Patienten.

Das Projektteam hat sich die Frage gestellt, wie sich Prozessabläufe zur Dokumentation in der Pflege auch unter den Gesichtspunkten Hygiene und Ergonomie digital unterstützt vereinfachen lassen. Seine Antwort: durch eine Adaption der von Spielkonsolen bekannten Gestensteuerung. Die Pflegekräfte können, beispielsweise ohne die Handschuhe auszuziehen, mit einer einfachen Geste die Dokumentation vornehmen. Das Team hat die Lösung bereits in Demo-Patientenzimmern erfolgreich getestet und zum Einsatz gebracht. Mit dieser Projektidee konnte das Team bereits in Mainz die Jury überzeugen, die es zum Gewinnerteam gekürt hat.

2. Das zweite Team hat auf dem Hackathon in Mainz die App „Bee“ - die App für die beste Einarbeitung entwickelt, die eine interaktive Einarbeitung neuer Mitarbeiter mittels Videotutorials und Multiple Choice-Fragen realisiert. In Berlin geht es nun darum, das Einarbeitungstool weiter zu verfeinern.

3. Das Mainzer IoT-Team hat sich der praktischen Umsetzung von Anwendungen des "Internets der Dinge" (Internet of Things - IoT) auf den Gesundheitsbereich verschrieben.

Das Team bearbeitet dazu einen logistischen Prozess, in dem die Digitalisierung verschiedener Schritte zur Entlastung der Pflege führen soll. Ziel ist, die Nachbestellung von Bedarfsmaterial im Krankenhaus (hier Konkret: VAC-Pumpen) durch WLAN-unabhängige kleine kostengünstige IoT-Buttons zu realisieren.

Die Technik hat das Potenzial, den herkömmlichen Bestellprozess zu ersetzen und kann schnell konfiguriert werden. An der Universitätsmedizin Mainz ist Ende Juli der IoT-Button für die VAC-Pumpe an den Start gegangen. Die Gruppe rund um die IoT-Buttons mit Feedbackfunktion berichtet in Berlin vom ersten praktischen Einsatz und zielt darauf ab, „Hands On“ die Technologie für weitere Anwendungsfälle zu konfigurieren.

4. Wie Künstliche Intelligenz die Entscheidungsfindung bzw. die klinische Diagnostik von Tumorerkrankungen unterstützen kann, ist Thema eines weiteren besonderen Projekts aus Mainz. Das Projektteam zeigt, wie ein digitales „Drittes Auge“ als Navigator den Pathologen am Mikroskop unterstützt.

Dieses digitale „Dritte Auge“ zeigt an, wenn sich Krebszellen unter dem Mikroskop befinden. Beim Hackathon in Berlin geht es darum, den Einsatz des Systems, bezogen auf den klinischen Kontext, weiterzuentwickeln. Das Projekt wird bereits vom Bundesforschungsministerium (BMBF) gefördert.

5. Thematisch ebenfalls an der ärztlichen Behandlung orientiert, ist das fünfte Mainzer Projekt: Mit Big Data gegen Schlaganfall. Die Vorhofflimmern-Challenge – maschinelles Lernen in der kardiovaskulären Medizin.

Im Fokus steht, den digitalen Befund eines Patienten mit Vorhofflimmern – der häufigsten Herzrhythmusstörung – anhand von Routinedaten zu analysieren. Dieser Vorgang wird als tiefe Phänotypisierung oder Englisch „Deep Phenotyping“ bezeichnet. Für die Challenge in Berlin stehen dem Team DSGVO-konform anonymisierte Routinedatensätze zur Verfügung. Das Ziel ist, mit Methoden des maschinellen Lernens aus diesen Daten Modelle für eine bessere Charakterisierung und Klassifizierung von Vorhofflimmern sowie zur Vorhersage der Dauer des Krankenhausaufenthalts, der Rehospitalisationen oder des Auftretens schwerer Komplikationen abzuleiten.

20979282091065209106620910672097929 2097930 2091069
preload image 1preload image 2preload image 3preload image 4preload image 5preload image 6preload image 7preload image 8preload image 9preload image 10preload image 11preload image 12preload image 13preload image 14preload image 15preload image 16preload image 17preload image 18preload image 19preload image 20preload image 21preload image 22preload image 23preload image 24preload image 25preload image 26preload image 27preload image 28preload image 29preload image 30preload image 31preload image 32preload image 33preload image 34preload image 35preload image 36preload image 37preload image 38preload image 39preload image 40preload image 41preload image 42preload image 43preload image 44preload image 45preload image 46preload image 47preload image 48preload image 49preload image 50preload image 51preload image 52preload image 53preload image 54preload image 55preload image 56preload image 57preload image 58preload image 59preload image 60preload image 61preload image 62preload Themeimage 0preload Themeimage 1preload Themeimage 2preload Themeimage 3preload Themeimage 4preload Themeimage 5preload Themeimage 6preload Themeimage 7preload Themeimage 8preload Themeimage 9preload Themeimage 10preload Themeimage 11preload Themeimage 12preload Themeimage 13preload Themeimage 14preload Themeimage 15preload Themeimage 16preload Themeimage 17preload Themeimage 18preload Themeimage 19preload Themeimage 20preload Themeimage 21preload Themeimage 22preload Themeimage 23preload Themeimage 24preload Themeimage 25preload Themeimage 26preload Themeimage 27preload Themeimage 28
Bitte bestätigen Sie
Nein
Ja
Information
Ok
loginform
Kommentarvorschau
Kommentarvorschau schliessen
Antwort abbrechen
Ihr Kommentar ist eine Antwort auf den folgenden Kommentar

Keine Kommentare