Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung Nächste Überarbeitung Beide Seiten der Revision | ||
|
forschung:medtech [2024/02/05 21:01] stollenwerk [Saubere Hände] |
forschung:medtech [2024/02/05 21:43] stollenwerk [NANNI] |
||
|---|---|---|---|
| Zeile 11: | Zeile 11: | ||
| ==== Aix-Neo-Guard ==== | ==== Aix-Neo-Guard ==== | ||
| ### | ### | ||
| - | Die Digitalisierung der intensivmedizinischen Arbeitsumgebung ermöglicht die Zusammenführung von Patientendaten aus Diagnostik und Therapie, wodurch multiparametrische, hochfrequente Datenkollektionen entstehen. Während solche Datenbanken für Erwachsene bereits öffentlich zugänglich etabliert sind, fehlt im Bereich der neonatologischen und pädiatrischen Intensivmedizin die Datengrundlage, um vielfältige Krankheitsbilder systemisch zu modellieren oder Methoden der künstlichen Intelligenz (KI) einzusetzen. Das Projekt AIx-Neo-Guard welches den erzeugten Datensatz eines vorherigen Projekts Nanni nutzt und erweitert, hat als übergeordnetes Ziel die Verbesserung intensivmedizinischer Diagnostik und Therapie im Neonatal-, Kindes- und Jugendalter durch Erhöhung der Therapiesicherheit und Verbesserung der medizinischen Ausbildung. Durch den Einsatz KI-basierter Algorithmen wird die Früherkennung von Behandlungs-Komplikationen möglich und es entstehen vertiefte Einblicke in pathophysiologische Zusammenhänge. Darüber hinaus wird ein physiologisches Modell zur Abbildung des pulmonalen Gasaustausches unter mechanischer Ventilation erarbeitet, welches in der Zukunft sowohl die Ausbildung von medizinischem Personal als auch die Therapie direkt unterstützen könnte. Als erste konkrete Schritte wurden bereits KI-Methoden wie Random Forest oder rekurrente Neuronale Netze auf hochaufgelöste Zeitreihendaten angewendet, um Patienten-Ventilator Asynchronitäten automatisiert zu erkennen. | + | Die Digitalisierung der intensivmedizinischen Arbeitsumgebung ermöglicht die Zusammenführung von Patientendaten aus Diagnostik und Therapie, wodurch multiparametrische, hochfrequente Datenkollektionen entstehen. Während solche Datenbanken für Erwachsene bereits öffentlich zugänglich etabliert sind, fehlt im Bereich der neonatologischen und pädiatrischen Intensivmedizin die Datengrundlage, um vielfältige Krankheitsbilder systemisch zu modellieren oder Methoden der künstlichen Intelligenz (KI) einzusetzen. |
| + | |||
| + | {{:forschung:ang_logo_1.png?nolink&170 |}} | ||
| + | Das Projekt AIx-Neo-Guard welches den erzeugten Datensatz eines vorherigen Projekts Nanni nutzt und erweitert, hat als übergeordnetes Ziel die Verbesserung intensivmedizinischer Diagnostik und Therapie im Neonatal-, Kindes- und Jugendalter durch Erhöhung der Therapiesicherheit und Verbesserung der medizinischen Ausbildung. | ||
| + | |||
| + | Durch den Einsatz KI-basierter Algorithmen wird die Früherkennung von Behandlungs-Komplikationen möglich und es entstehen vertiefte Einblicke in pathophysiologische Zusammenhänge. Darüber hinaus wird ein physiologisches Modell zur Abbildung des pulmonalen Gasaustausches unter mechanischer Ventilation erarbeitet, welches in der Zukunft sowohl die Ausbildung von medizinischem Personal als auch die Therapie direkt unterstützen könnte. | ||
| + | |||
| + | Als erste konkrete Schritte wurden bereits KI-Methoden wie Random Forest oder rekurrente Neuronale Netze auf hochaufgelöste Zeitreihendaten angewendet, um Patienten-Ventilator Asynchronitäten automatisiert zu erkennen. | ||
| \\ | \\ | ||
| \\ | \\ | ||
| Zeile 56: | Zeile 63: | ||
| ==== Saubere Hände ==== | ==== Saubere Hände ==== | ||
| ### | ### | ||
| - | An dieser Stelle werden bald Informationen zum Projekt ergänzt. | + | Das Projekt Saubere Hände widmet sich der Erreichung von Handhygiene-Standards im me-dizinischen Kontext. Durch unzureichende Händedesinfektion kommt es immer wieder zu im Krankenhaus erworbenen (nosokomiale) Infektionen. |
| + | |||
| + | Die einschlägigen Handdesinfektionsmethoden basieren in der Regel auf alkoholischen Des-infektionsmittellösungen. Während des Desinfektionsprozesses verdunstet dieser Alkohol auf der Hautoberfläche des Anwenders. Durch diese Verdunstung wird dem benetzten Hautareal Energie in Form von Wärme entzogen. | ||
| + | |||
| + | Die während eines Desinfektionsprozesses entstehende Verdunstungskälte lässt sich mithilfe von Thermographie messen und aus diesen Messungen lassen sich Rückschlüsse auf Qualität der Benetzung der Hand mit Desinfektionsmittel ziehen. | ||
| + | |||
| + | {{:forschung:saubere_heande_uv.jpg?nolink&207|}}{{:forschung:saubere_heande_symbol.jpg?nolink&200|}} | ||
| \\ | \\ | ||
| \\ | \\ | ||
| Zeile 77: | Zeile 90: | ||
| ==== NANNI ==== | ==== NANNI ==== | ||
| - | {{ :forschung:projekte:nanni:nanni_logo_final_1280.jpg?150|}} | + | {{ :forschung:projekte:nanni:nanni_logo_final_1280.jpg?nolink&150|}} |
| Im Rahmen des vom BMBF geförderten Projektes Nanni (Neonatologiebeatmungsgerät mit adaptiver Anwenderunterstützung) haben sich die Partner Löwenstein Medical, das Universitätsklinikum Aachen und für die RWTH Aachen der Lehrstuhl Informatik 11 zusammengeschlossen. In diesem Vorhaben wird der Prototyp einer neuen Generation Früh- und Neugeborenenbeatmungsgeräte entwickelt. Auf dieser Basis forschen wir vor allem an der Regelung des arteriellen CO₂-Partialdrucks und der Erkennung von Problemen bei der künstlichen Beatmung von Neugeborenen. | Im Rahmen des vom BMBF geförderten Projektes Nanni (Neonatologiebeatmungsgerät mit adaptiver Anwenderunterstützung) haben sich die Partner Löwenstein Medical, das Universitätsklinikum Aachen und für die RWTH Aachen der Lehrstuhl Informatik 11 zusammengeschlossen. In diesem Vorhaben wird der Prototyp einer neuen Generation Früh- und Neugeborenenbeatmungsgeräte entwickelt. Auf dieser Basis forschen wir vor allem an der Regelung des arteriellen CO₂-Partialdrucks und der Erkennung von Problemen bei der künstlichen Beatmung von Neugeborenen. | ||
| \\ | \\ | ||