29.04.2021
Die Corona-Pandemie zeigt eindrücklich, wie wichtig die Erhebung medizinischer Behandlungsdaten ist. Diese Herausforderungen fasst das Zukunftslabor Gesundheit als Treiber für die Digitalisierung und Forschung im medizinischen Kontext auf. Während des ersten Projektjahres erstellte das Zukunfstlabor Gesundheit eine Datenplattform, welche Gesundheitsdaten zusammenführt und für medizinische Forschung zugänglich macht. Zu den Daten, die die Plattform zusammenführt und bereitstellt, zählen auch Sensordaten aus dem Umfeld von Patient*innen. Da die Partner des Zukunftslabors Gesundheit bereits über Sensorik und dazugehörige Infrastruktur verfügen, nahmen die Wissenschaftler*innen zunächst den Bestand auf. Dabei fokussierten sie sich auf mobile Low-Cost Sensorik mit WLAN oder Mobilfunkanbindung. Das ist erschwingliche Hardware, die sich leicht transportieren und in die Umgebung der Patient*innen integrieren lässt. Über WLAN oder Mobilfunk übermitteln die Sensoren die erfassten Daten an die Plattform. Zu der vorhandenen Sensorik zählen z. B. Raumkameras, Sensoranzüge und vernetzte Raumelemente wie Licht, Türen, Herd, Kühlschrank oder Heizung. Im Anschluss an die Bestandsaufnahme kategorisierten die Wissenschaftler*innen die Sensorik nach Art, Beschreibung, Zielsetzung, Datenformat und Standort. Dadurch entstand ein Hardware-Katalog, der die gesamte verfügbare Sensorik der niedersächsischen Forschungspartner übersichtlich zusammenfasst.
Neben der Hardware ermittelten die Wissenschaftler*innen auch, welche Softwarelösungen für Machine Learning bei den Partnern des Zukunftslabors vorliegen. Machine Learning kann für die intelligente Auswertung der Sensordaten eingesetzt werden. Darauf aufbauend werden die Wissenschaftler*innen Kriterien aufstellen, anhand derer sie die passende Sensorik und Software für ihre Forschungsvorhaben auswählen werden.
Gerade beim Einsatz von Sensoren im privaten Umfeld muss die Privatsphäre der Patient*innen bestmöglich geschützt werden. Dies geschieht beispielsweise dadurch, dass die Sensoren, anstatt Videodaten zu speichern, auf Basis von Gelenkkoordinaten Strichmännchen-Bilder der Menschen erstellen, sogenannte Skelettmodelle. Die Auswertung dieser Sensordaten liefert dann Hinweise auf ungewöhnliche Situationen, wie zum Beispiel einen Sturz.
