Erforschung und Entwicklung einer mobilen KI-basierten Softwaresuite zur Erkennung, Analyse und Prophylaxe des Sturzrisikos

Einführung

Mehr als ein Drittel aller über 65-jährigen Menschen in Deutschland ist akut sturzgefährdet. Die Folgen betreffen sie selbst, ihr persönliches Umfeld, aber auch das Gesundheitssystem.  
Das geplante Projekt zur Forschung und Entwicklung von Lindera setzt genau an diesem Punkt an und will mittels eines bisher noch nicht erforschten und noch nicht entwickelten ganzheitlichen Decision-Support-Systems auf handelsüblichen Smartphones/Tablets Abhilfe schaffen.  
Unsere Erfahrungen mit der Entwicklung der aktuellen Lindera Mobilitätsanalyse-App wird im Rahmen des neuen Projekts die Basis zur Forschung und Entwicklung der ersten von insgesamt drei Modulen des Projekts bilden.  

Modul 1 – Sturzrelevante Echtzeit-Ganganalyse auf dem Smartphone 

Ziel dieses Moduls ist der Aufbau eines neuartigen ganzheitlichen Echtzeit-KI-Systems zur Durchführung einer Ganganalyse mittels einer monokularen Smartphone-Kamera. Bisherig angewendete, auf neuronalen Netzen basierende Systeme werden mit biomechanischen Modellen des menschlichen Ganges kombiniert. Dadurch soll eine Echtzeitganganalyse ermöglicht werden, welche die Fähigkeiten rein deep-learning-basierter Methoden in Punkto anatomischer und biomechanischer Korrektheit weit übersteigt.  

Modul 2 – Entwicklung probabilistischer Sturz-KI-Modelle mit Kausalstruktur 

In diesem Modul erforschen wir neuartige Kombinationen aus probabilistisch-graphischen Modellen mit modernen KI-Algorithmen aus dem Bereich Neuronaler Netze. Dies soll zur Entwicklung ganz neuartiger probabilistischer Vorhersagemodelle führen, welche auf Basis historischer und aktueller Daten das individuelle Sturzrisiko des Patienten für definierte Zeiträume in der Zukunft vorhersagbar machen. Darüber hinaus werden die einzelnen Sturzfaktoren (Krankheitsbild, Medikation, usw.) als Knotenpunkte der Modelle erfasst, welche dann die zu bestimmende Größe (Sturzwahrscheinlichkeit) direkt oder indirekt kausal-dynamisch beeinflussen. 

Modul 3 – KI-System zur Ausgabe evidenzbasierter Interventionsempfehlungen 

Ziel dieses Moduls ist die Erforschung eines derzeitig nichtexistierenden KI-Systems zur Ausgabe evidenzbasierter Interventionsempfehlungen. Diese sollen auf Basis der vorhergehenden Module bestimmt werden. Im Kern geht es um die Entwicklung eines dynamisch adaptiven KI, welches immer besser lernen soll, individualisierte Interventionsempfehlungen auszugeben. Diese sollen wiederum auf ihre Wirksamkeit evaluiert und verfeinert werden, um dann anschließend als Feedback das KI-System weiter zu trainieren, bessere individuelle Empfehlungen auszugeben. 

Darstellung der Innovation 

Innerhalb des geplanten Forschungsprojekts werden die folgenden Innovationsfelder adressiert: 

  • Ganzheitliche sturzrelevante Ganganalyse durch die Vereinigung biomechanischer Ansätze mit rein datenbasierten Ansätzen aus dem Bereich des Deep Learning. 
  • Dynamische Entwicklung sturzrelevanter Gangparameter im Rahmen probabilistischer Deep Learning Modelle (Bayesian Deep Learning, Probabilistic Programming, etc.). 
  • Dynamisch lernende KI-Systeme zur Ausgabe individueller Interventionsempfehlungen. 
  • Integration aller Teilsysteme zu einer mobilen Echtzeitapplikation zur klinischen Entscheidungs-Assistenz. 

Zusammenfassung

Digitale Lösungen können Fachkräfte entlasten und zur Verbesserung der Qualität in der Pflege beitragen. Doch damit technologische Innovationen Einzug in den Pflegealltag finden, müssen sie tief und durchdacht in bestehende Prozesse integriert sein. Die hier zu entwickelnde mobile Lindera Applikation zur Sturzprävention ist unter dem Gesichtspunkt einer leichten Integrierbarkeit in die bestehenden Prozesse der geriatrischen Pflege geplant. Das bedeutet, dass die Applikation in einem ausreichenden Umfang leicht verfügbar und mobil repetitiv nutzbar sein wird. Sie wird mit Feedback-Funktion versehen sein, um so beispielsweise das Ansprechen auf eine Therapie beurteilen zu können. So soll ein signifikanter Beitrag zur therapeutischen Entscheidungsfindung der Mediziner und Pfleger im Verbund mit den individuell betroffenen Patienten erbracht werden.  

Projektfinanzierung

Dieses Projekt wird kofinanziert durch den Europäischen Fonds für regionale Entwicklung [EFRE].