Messe / 21. April 2026 - 23. April 2026
DMEA 2026
Connecting Digital Health
Wir laden Sie herzlich ein, uns am Fraunhofer-Gemeinschaftsstand zu besuchen:
Connecting Digital Health
Wir laden Sie herzlich ein, uns am Fraunhofer-Gemeinschaftsstand zu besuchen:
📃 Titel: HealthView - Kontaktlose Vitaldatenerfassung am Krankenbett
🕐 Programmplatzierung: K010 - Mi, 22.04. Stage 6.2, 12:55 - 13:55
🎤 Speaker: Dr.-Ing. Gerald Bieber
Messe Berlin
Berliner Messehallen
Fraunhofer-Gemeinschaftsstand
21. April 2026 - 23. April 2026
Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Fraunhofer-Institut für Graphische Datenverarbeitung Institutsteil Rostock IGD
Der Zugriff auf die eigenen medizinischen Daten ist für Patientinnen und Patienten immer noch mit vielen Hürden verbunden. Die elektronische Patientenakte regelt zwar die grundsätzliche Möglichkeit für einen digitalen Zugang, die Benutzerschnittstellen sind jedoch zu komplex und aufwändig gestaltet. Fraunhofer IGD und SIT arbeiten im Forschungszentrum ATHENE an sicheren und interaktiven Technologien, um einen einfachen Überblick über die eigenen Daten zu erhalten, diese medizinischen Daten visuell und interaktiv zu sichten und benötigte Daten für medizinische Einrichtungen gezielt und nachvollziehbar freizugeben. Der Stand zeigt diese neuen interaktiven Möglichkeiten und erläutert den zugrundeliegenden Datensicherheitsansatz.
KI-gestützte Visual Analytics für datenbasierte Entscheidungen
Elektronische Gesundheitsakten (EHR) enthalten umfangreiche Daten zu Krankheitsverläufen, Therapien und Behandlungsergebnissen in der Nephrologie. Dieses Exponat zeigt, wie Methoden der Künstlichen Intelligenz und der Visual Analytics diese Daten verständlich, vergleichbar und nutzbar machen.
Interaktive Visualisierungen und KI-gestützte Analyseverfahren ermöglichen es, Muster in großen EHR-Datensätzen zu erkennen, Patientenkohorten zu vergleichen und relevante Einflussfaktoren auf den Krankheitsverlauf sichtbar zu machen. Komplexe Zusammenhänge werden so transparent und unterstützen medizinische Expertinnen bei Forschung und klinischer Entscheidungsfindung.
Das Exponat verdeutlicht das Potenzial intelligenter Datenanalyse für eine präzisere, personalisierte und evidenzbasierte Nierenversorgung unter Wahrung von Datenschutz und Datensouveränität.
Die Versorgung von Patienten im häuslichen Umfeld oder in Notsituationen erfordert neue Verfahren zur Messung ihrer Vitaldaten, wenn keine dezidierte Technik zur Verfügung steht. Genauso ist die telemedizinische Messung von individuellem Stress und Belastungen im Rahmen eines betrieblichen oder persönlichen Gesundheitsmanagements mit Alltagstechnik ein Enabler für gesundes Arbeiten. Mit den Technologien CareCam und Guardio werden zwei Verfahren zur kontaktlosen Messung und Nutzung von Vitaldaten für telemedizinische Einsatzszenarien präsentiert.
Zur Unterstützung der betrieblichen Gesundheitsförderung nutzt die CareCam ein kontinuierliches, unaufdringliches Monitoring der Vitaldaten wie Puls, Atmung, Herzratenvariabilität, Körperhaltung, Augenblinzeln bis hin zur Stresserkennung. Die Technologie und Expertise der CareCam wird momentan im Industrieprojekt STRAP in Kooperation mit DeepCare weiterentwickelt, mit der besonderen Herausforderung Stress- und Vitaldatenerkennung auf Basis anonymer und energiesparender Sensorinformationen zu messen. Die Guardio®-App transformiert die Bewegungen des Herzens in den Goldstandard der Herzdiagnostik: das Elektrokardiogramm (EKG) – einfach durch Auflegen des Smartphones auf die Brust.
Im BMFTR-geförderten Projekt RENALCARE entwickelt das Fraunhofer IGD gemeinsam mit klinischen und industriellen Partnern KI-basierte Softwarelösungen zur patientenspezifischen Entscheidungsunterstützung bei der operativen Behandlung von Nierentumoren. Der Fokus liegt auf der automatisierten Analyse medizinischer Bilddaten zur Unterstützung der präoperativen Planung partieller Nephrektomien.
Mittels KI-gestützter Segmentierungs- und Analyseverfahren werden relevante anatomische Strukturen wie Tumor, Nierenparenchym, Gefäßsystem und Sammelsystem aus CT- und MRT-Daten extrahiert. Auf Basis dieser Bildinformationen werden etablierte Nephrometrie-Scores wie Padua, R.E.N.A.L., C und ABC automatisch berechnet, um peri- und postoperative Risiken sowie die Eignung unterschiedlicher Therapieoptionen objektiv zu bewerten.
Die Ergebnisse werden in strukturierter Form bereitgestellt und in bestehende klinische Workflows integrierbar aufbereitet. Das Exponat demonstriert, wie medizinische Bildverarbeitung und Künstliche Intelligenz dazu beitragen können, komplexe Bewertungsprozesse zu automatisieren, die Entscheidungsqualität zu erhöhen und die Nutzung standardisierter Scores im klinischen Alltag zu erleichtern.