Autor: Riccardo Biellasoftware engineer bei Paradox Engineering

 

Gesundheitssysteme stehen vor immensen Herausforderungen in vielen Ländern der Welt. Viele haben mit einer alternden Bevölkerung zu tun und müssen die öffentlichen Ausgaben für das Gesundheitswesen kontrollieren, aber in vielen Fällen Patienten übersteigen die verfügbaren Ressourcen einschließlich Grundlagen wie Krankenhausbetten, Ärzte und Krankenschwestern. Diese Knappheit wurde weitaus relevanter während Covid-19 NotfallDie meisten Länder haben Schwierigkeiten, eine angemessene Reaktion auf die Pandemie und die Qualität der Versorgung zu gewährleisten.

Intelligente Technologien ermöglichen eine ganz neue Klasse von Dienstleistungen die Patientenbetreuung zu verbessern, insbesondere die Behandlung von älteren und Langzeitpatienten, sei es im Krankenhaus, in Einrichtungen für betreutes Wohnen oder zu Hause. Vernetzte Gesundheitssysteme und Technologien zur Patientenfernüberwachung (RPM) werden zunehmend eingesetzt, um eine ständige Überwachung zu gewährleisten, professionelle Pflegekräfte zu unterstützen bei ihren täglichen Aufgaben und zur Entlastung von Familienmitgliedern.

Zusammen mit Minebea Intec und MinebeaMitsumi Sensing Division, bei Paradox Engineering arbeiten wir an eine innovative Lösung für die Managed-Care-Branche: Unser Ziel ist die Fertigstellung einer sicheren und offenen Technologieplattform für nicht-invasive Patientenüberwachung in Krankenhäusern, Kliniken, Pflege- und Betreuungseinrichtungen sowie in der häuslichen Umgebung.

Es ist gemeint als eine anpassungsfähige und wissensaufbauende Lösungdie in der Lage sind, patientenspezifische Intelligenz zu generieren, indem sie Daten von mehreren Sensoren sammeln, mehrere Parameter korrelieren und die Integration einer einzigartigen Künstlichen Intelligenz (KI) Engine zur Situationserkennung, Verhaltensanalyse, langfristigen Überwachung der gesundheitlichen Entwicklung und persönlichen Beziehungen.

Die Lösung bietet lokale KI, um mögliche Datenlecks zu verhindern aus der Krankenhausumgebung zu entfernen und die Privatsphäre der Patienten besser zu schützen. Wir sind derzeit Lotsen Machine Learning zur Verbesserung einiger spezifischer Funktionenwie die Erkennung von unerwünschten Ereignissen: durch die Verarbeitung von Daten, die von angeschlossenen intelligenten Kameras und Sensoren stammen, das System kann erkennen, wenn etwas schief läuft und sofort das Pflegepersonal alarmieren bei Stürzen, Bewegungsmangel oder anderen Arten von Anomalien, wodurch eine ständige Überwachung der Patienten rund um die Uhr gewährleistet ist.

Eine weitere Funktion, die wir testen, bezieht sich auf die Raumzutrittskontrolle. Wir verwenden maschinelles Lernen, um Bilder von angeschlossenen Smart-Kameras zu verarbeiten, um die Anzahl der Personen in einem Raum erkennen und Patienten vom Krankenhauspersonal unterscheiden. Dies ist eine sehr wertvolle Funktion für die Sicherheit der Gäste zu erhöhen durch die Erkennung von unberechtigtem Zugriff.

Wir begannen mit einem anfänglichen Datensatz, der aus Hunderten von Bildern von Patienten und Ärzten bestand, um das System zu trainieren. PE-Smart-Kameras sind jetzt in der Lage, Objekterkennungsaufgaben in Echtzeit durchzuführen, die Personen im Raum unterscheiden und sie als Patienten oder Krankenhauspersonal klassifizieren, dank des Einsatzes eines Deep Neural Network, das auch Dinge wie Kittel, Uniformen, Nachthemden, medizinische Instrumente und Körperhaltungen erkennen kann.

Sehen Sie sich dieses kurze Video an, um einen kurzen Blick darauf werfen:

 

 

Möchten Sie mehr erfahren? Kontaktieren Sie unsere Machine Learning Experten!