Als einer der Projektpartner entwickelt das Hasso-Plattner-Institut (HPI) eine verteilte Machine-Learning-Architektur zur Unterstützung und Entlastung der Telemedizinzentren. So sollen Teile des Prozesses zum Patienten hin verlagert werden. Machine Learning kann einerseits dabei helfen, vom Patienten direkt erhobene Vitaldaten vorzusortieren, kritische Indikatoren zu erkennen und zu entscheiden, welche Daten ans Telemedizinzentrum übermittelt werden müssen. Außerdem soll das medizinische Personal in den Telemedizinzentren beim Vorsortieren der laufend eingehenden Vitaldaten mit Machine-Learning (ML) unterstützt werden.
„Wir können im Rahmen des Telemed5000-Projektes die Betreuung von Menschen mit chronischer Herzinsuffizienz erheblich durch die Anwendung künstlicher Intelligenz verbessern“,
sagt Professor Andreas Polze, Leiter des Fachgebiets Betriebssysteme und Middleware und des Telemed5000-Projekts am HPI. Bei der Entwicklung einer verteilten ML-Architektur käme dem Datenschutz eine sehr hohe Bedeutung zu. Der Ansatz „Privacy by Design“ bedeute, dass Datenschutz und Privatsphäre schon zu Beginn der Technikentwicklung mitgedacht würden.