Neue Technologien können die Krankenversorgung auch außerhalb von Gesundheitseinrichtungen deutlich verbessern. So kann Telemedizin nachweislich die Lebenserwartung und Lebensqualität von Hochrisikopatienten mit Herzschwäche steigern und Krankenhausaufenthalte verkürzen. Bisher können einzelne Telemedizinzentren aber nicht mehr als 750 Patienten aus der Ferne betreuen – dabei ist der Bedarf sehr viel größer.
Das vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderte Projekt Telemed5000 möchte erreichen, dass künftig bis zu 5000 Patienten über ein Telemedizinzentrum betreut werden und setzt dafür auf die Schlüsseltechnologie Künstliche Intelligenz (KI). Zur Unterstützung und Entlastung der Telemedizinzentren entwickelt das Hasso-Plattner-Institut (HPI), als einer der Projektpartner, eigens eine verteilte Machine-Learning-Architektur, die Teile des Prozesses zum Patienten hin verlagert. So soll Machine Learning einerseits dabei helfen, vom Patienten direkt erhobene Vitaldaten wie beispielsweise Blutwerte 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.