Ziel des Projektes CortexMap ist die Entwicklung eines neuartigen navigierten transkraniellen Magnetstimulations-Systems (nTMS-System) für das nicht-invasive prä- und postchirurgische Mapping des Motorkortexes des Gehirns von Patienten mit Hirntumoren. Das neue System soll eine effiziente Nutzung in der Neurochirurgie und eine optimale Integration in den chirurgischen Workflow bieten.

Dafür sollen nötige Hardwarekomponenten sowie neue Software-Funktionalitäten entwickelt werden. Ein Elektromyographie-Gerät mit 8 oder 16 Elektroden zur Messung der motorisch evozierten Potentiale (MEP) soll die Untersuchungen schneller und präziser ermöglichen. Funktionalitäten zur automatischen Anpassung der Intensität der Stimulation und zur Nachbearbeitung der MEP sollen zu einem genauen Mapping des Motorkortexes führen. Auch neue Visualisierungs- und Datenanalyse-Funktionen sollen den Chirurg bei der Interpretation der Daten unterstützen.

Daraus sollte das Monitoring von Patienten vor und nach chirurgischer Behandlung mithilfe einer nicht-invasiven und einfachen Messtechnik zugunsten vom Patienten effizienter werden.

Das Forschungsprojekt SDC-VAS hat sich zum Ziel gesetzt, mit Hilfe der neuen IEEE 11073 SDC-Standardfamilie ein neuartiges „Verteiltes Alarmsystem“ zum Einsatz auf Intensivstationen zu entwickeln. Damit soll vor allem das Problem der Alarmmüdigkeit sowie die Lärmbelastung auf Intensivstationen gemildert werden.

Die SDC-Standardfamilie ist ein neues Kommunikationsprotokoll, mit dessen Hilfe medizinische Geräte von verschiedenen Hersteller miteinander kommunizieren können. So können diese Geräte Daten, Informationen und Dienste in einem elektronischem Netzwerk bereitstellen. Diese Informationen können auch einen sogenanntem Mehrwertsystem zur Verfügung gestellt werden.

Das Verteilte Alarmsystem soll die Informationen der verschiedenen SDC-fähigen Geräte erhalten und zusammen mit Daten aus anderen Quellen wie dem klinischen Informationssystem (KIS) und IoT Sensoren aggregieren, bewerten und anschließend zielgerichtet an passende Pflegekräfte weiterreichen. Zusätzlich ist angedacht, die Möglichkeiten von Alarmvorhersagen unter Einsatz von Mustererkennungsalgorithmen zu erkunden.

Das Projekt steht dabei vor drei Kehrherausforderungen: Die Entwicklung eines Integrators, der in der Lage ist, sowie die Daten aus der SDC-Schnittstelle, aus dem KIS als auch verschiedenen IoT Sensoren miteinander sinnvoll zu verknüpfen. Die zweite Herausforderung ist die Entwicklung eines sinnvollen Methodik, um einen passenden Mitarbeiter auszuwählen und zu Informieren. Die dritte Aufgabe beschäftigt sich mit der Frage, inwieweit sich die rechtlichen und normativen Vorschriften ändern müssen, um ein auf SDC-basierendes verteiltes Alarmsystem sicher einsetzen zu können.

Das Projekt startet im August 2022 und ist eine Kooperation der Firma tetronik, der Universität Leipzig vertreten durch das ICCAS und der HTWK Leipzig. Es wird gefördert vom ZIM-Programm des Bundesministeriums für Wirtschaft und Klimaschutz.

Fördermaßnahme „Psychische und neurologische Erkrankungen erkennen und behandeln (mehr lesen)

Im BMWK geförderten Projekt KliNet5G wird die Umsetzbarkeit einer rein 5G-basierten Netzinfrastruktur auf Basis von OpenRAN in Kliniken evaluiert. Das Projekt verbindet Enduser-Equipment-Hersteller, Klinikbetreiber und medizinische Anwender. Es werden unter anderem Konzepte für die zukünftige Ausgestaltung der Infrastruktur und die damit einhergehenden Veränderungen von Arbeitsabläufe entwickelt. Außerdem werden praxisnahe klinische Anwendungen der Logistik und Patientenversorgung kombiniert und umgesetzt, um damit Prozesse in der Klinik zu flexibilisieren und kontinuierlich zu optimieren. So kann z.B. mobiles Patientenmonitoring sowie Tracking von Geräten und Equipment praktisch realisiert werden. Das Projekt zielt darauf ab, vorhandenes 5G-Knowhow und 5G-Technologie in vorhandene Produkte und Anwendungsgebiete der Medizin zu integrieren um die Anwendung dieser Zukunftstechnologie zu unterstützen.

Eine effiziente Gesundheitsversorgung erfordert intuitiv nutzbare und semantisch verknüpfte Daten aus verschiedenen Quellen des klinischen Umfelds. Klinische Daten sind jedoch oft nur lose strukturiert und in Form von Fließtext oder Rohdaten gespeichert. Die Erforschung und Entwicklung eines digitalen Patientenmodells (DPM) zur Bewältigung dieser Probleme ist Teil des MPM-Projekts (Models for Personalized Medicine) am ICCAS. MPM konzentriert sich auf die semantische Datenintegration und die multimodale Datenanalyse. Das Projekt GAIA-X Digitaler Zwilling dient der komplementären Forschung für MPM, um die Anwendungsmöglichkeiten des digitalen Patientenmodells zu erweitern. Ziel ist die Entwicklung von Konzepten zur Integration der Technologie eines DPM in das GAIA-X-Ökosystem und damit die gemeinsame Nutzung von pseudonymisierten, populationsbasierten Daten, trainierten Modellen und Analysemodulen zwischen Institutionen und Ländern innerhalb der EU.

Im Forschungsprojekt SDC – Control Station Med (SDC-CSM) soll der neue Kommunikationsstandard IEEE 11073 SDC, der die offene, sichere und herstellerunabhängige Vernetzung von medizinischen Geräten umsetzt, in einen neuartigen technischen Leitstand integriert werden. Dem Personal der medizintechnischen Abteilung einer Klinik sollen über diesen Leitstand aggregierte Daten über den aktuellen Status aller angeschlossenen SDC-fähigen Geräte bereitgestellt werden. Zusätzlich soll die Dokumentation von Fehlermeldungen, die Verarbeitung von technischen Fehlern mit automatischer vorgegebener Reaktion und die Erhebung von Kennzahlen neben weiteren Funktionen bereitgestellt werden. Überdies werden die Möglichkeiten von Predictive Maintenance untersucht und integriert. Der Schwerpunkt der Forschungsarbeiten liegt auf der Implementierung und gegebenenfalls Erweiterung/Verbesserung des SDC Standards, des Datenmodels und der Datenaggregation sowie auf Machine Learning-Algorithmen.

Hautdurchblutung und –feuchtigkeit sind physiologische Parameter, die eine große Rolle bei der Überwachung des Patientenzustandes spielen. Probleme wie Medikamentendosisfehler, Kreislaufstörungen, pulmonale Komplikationen oder ineffiziente Sauerstofftherapien können aus den Parameterwerten frühzeitig anerkannt werden. Die aktuellen Messgeräte, wie beispielsweise Pulsoxymeter und transcutane Elektroden, zeigen Einschränkungen besonders bei der Anwendung in der Neonatologie bei Frühgeborenen. Die Geräte sind in Kontakt mit dem Körper und messen die lokale Perfusion.
Im Projekt MultiGuard soll ein kontaktloses und nicht-invasives multispektrales Monitoringsystem zur Unterstützung in der medizinischen Diagnostik entwickelt werden. Multispektrales Imaging kombiniert das Prinzip der hyperspektralen Photometrie mit der Digitalbildgebung und erfordert keine Gabe eines Kontrastmittels. Das System besteht aus einem multispektralen Messsystem mit automatischer Bildverarbeitungseinheit für die Berechnung von Perfusionswerten, pulsatile Parameter, Fett- und Wassergehalt aus den gemessenen Absorptionswerten. Das System soll in Videoqualität kontinuierlich auswertbare hochgenaue Daten liefern. Diese Gewebeinformationen werden dem Arzt auf einer Nutzeroberfläche optimal angezeigt. Um den Patienten nicht kontinuierlich mit sichtbarem Licht zu beleuchten, soll eine schaltbare multispektrale Lichtquelle eingesetzt werden.
Am Ende des Projekts soll ein Prototyp des MSI-Systems MultiGuard zur Verfügung stehen, welches in der Neonatologie und Anästhesiologie ausgewertet werden soll.

Minimal-invasive endoskopisch geführte Eingriffe stellen, ob ihrer erfolgreichen Etablierung als chirurgisches Vorgehen, nach wie vor umfangreiche Anforderungen an Chirurgen und Technologie. Die Entkoppelung der Hand-Augen-Koordination, ein begrenztes Operationsvolumen sowie ein eingeschränkter Sicht auf das Operationsfeld erschweren die Wahrnehmung von Tiefenverhältnissen und führen zu einer anspruchsvollen Arbeitssituation. Als Folge erfahren Chirurgen einen hohen kognitiven Workload, den sie durch ein individuelles Training ihres räumlichen Orientierungsvermögens unter realistischen Bedingungen kompensieren müssen. Da das räumliche Vorstellungsvermögen interindividuell stark variiert, sind Trainingsanwendungen mit physischen und virtuellen Simulatoren nur bedingt erfolgreich. Eine kontinuierliche Begleitung und Trainingsüberwachung sowie -anpassung an die individuelle Leistungsfähigkeit fehlt.

Das Forschungsprojekt entwickelt daher einen neuartigen Trainingsansatz, der eine multisensorische Erfassung des Trainingsablaufs vorsieht, um den individuellen Trainingsfortschritt zu simulieren und entsprechend audiovisuelle Unterstützung bereit zu stellen. Hierfür wird mittels eines sensorisch erweiterten Laparoskopiesimualtors eine Wissensbasis von bimanuellen laparoskopischen Grundfertigkeiten angelegt, maschinenverständlich beschrieben und mit der Momentanaufnahme des individuellen Trainings abgeglichen. Für die Einschätzung des Trainingserfolgs werden neue objektive und maschinenverständliche Metriken entwickelt. Existierende subjektive Fragebögen für die Beschreibung der allgemeinen laparoskopischen Expertise werden damit um eine vergleichbare numerische Trainingsbewertung ergänzt werden.

Das europäische System für humanitäre Hilfe besteht aus First-Responder-Einheiten, die schnell und flexibel eingesetzt werden können. Bei Katastrophen (z. B. Erdbeben, Tsunamis, Überschwemmungen usw.) werden diese Emergency Medical Teams (EMT) in Katastrophenhilfemissionen eingesetzt, um das lokale Gesundheitssystem zu unterstützen und humanitäre Krisen abzuwenden.
Das „EMT Operating System“ (EOS) ist ein Informationssystem für Feldkrankenhäuser und First-Responder-Einheiten, das auf die Anforderungen von EMTs bei Katastrophenhilfemissionen zugeschnitten ist. Die Idee wurde im Rahmen des EUMFH-Projektes geboren und entwickelt. Das System unterstützt den gesamten Behandlungsprozess von Patienten von der Triage bis zur Entlassung und ist hochgradig konfigurierbar, um sich an die individuellen Bedürfnisse der EMT anzupassen. Obwohl EOS in erster Linie als elektronische Patientenakte konzipiert ist, enthält es auch wesentliche Funktionen für die EMT-Mission und das Krankenhausmanagement vor Ort. Neben der Patientenverwaltung und der Behandlungsdokumentation ermöglicht EOS eine schnelle Abteilungskonfiguration, die Visualisierung wichtiger Leistungsindikatoren für Krankenhäuser (Patientenaufnahme, Anzahl der Triage-Kategorien, Arbeitsbelastung der Abteilung usw.) und Berichtsfunktionen (z. B. an die lokale Regierung oder die WHO). Daher spielt EOS eine wesentliche Rolle bei der Überwachung und Bewertung der aktuellen Situation und Leistung auf strategischer und taktischer Ebene.
EOS bietet hochgradig anpassbare Funktionen. Sie können für die Anforderungen von spezialisierten Teams, z. Burn Assessment Teams, angepasst werden. Im Allgemeinen umfasst EOS die digitale Dokumentation und Verwaltung der üblichen Prozesse innerhalb eines EMT. Detaillierte Eigenschaften können jedoch abweichen.
EOS setzt auf strukturierte Dateneingabe und -speicherung (im Gegensatz zu Freitexten). Dies gewährleistet eine hohe Informationsqualität und unterstützt eine schnelle und einfache Dateneingabe sowie eine automatische Informationsaggregation in Datenbanken. Letzteres kommt der Meldepflicht zugute und ermöglicht den Vergleich zwischen verschiedenen Missionen oder EMT-Typen.
Das System wird in enger Zusammenarbeit mit verschiedenen Hilfsorganisationen kontinuierlich weiterentwickelt. Für zivile Hilfsorganisationen und NGOs ist dies kostenlos. EOS wird als Webanwendung entwickelt und kann mit modernen Browsern (z. B. Chrome, Firefox usw.) verwendet werden. Es kann problemlos auf PCs, Laptops oder Touch-Geräten wie Tablet-PCs oder Smartphones verwendet werden. Sie sind an der Verwendung von EOS interessiert oder möchten es ausprobieren? Dann kontaktieren Sie uns: eos@iccas.de.

Das medizinische Fachgebiet der Hämatologie ist durch stark heterogene Erkrankungen und Krankheitsverläufe gekennzeichnet. Dennoch beruht das Design klinischer Studien, die Entwicklung von Medikamenten und die anschließende Therapie meist auf der Verabreichung von identischen Schemas. Mit der Entwicklung immer präziser auf die Patienten abgestimmten Behandlungsstrategien wird dieser Prozess stetig effektiver, verursacht jedoch gleichzeitig ein enormes Maß an Komplexität der zu berücksichtigenden Informationen.  Somit hängt die klinische Entscheidungsfindung nicht zuletzt davon ab, ob der behandelnde Arzt über die entsprechende therapeutische Erfahrung und den Zugang zu neuartigen Therapien verfügt. Das Ziel von KAIT, einer auf künstlicher Intelligenz basierenden Plattform zur therapeutischen Entscheidungsunterstützung bei Patienten mit myelodysplastischem Syndrom, akuter myeloischer Leukämie und multiplem Myelom, besteht hierbei darin, durch eine optimale Bereitstellung und Auswertung relevanter Informationen den klinischen Entscheidungsprozess nachhaltig zu unterstützen, um somit eine patientenindividuelle und personalisierte Behandlung für alle Patienten zu ermöglichen.

Link zur Projektwebseite