gms | German Medical Science

Einleitung und Fragestellung: Der demografische Wandel in Deutschland stellt das Gesundheitswesen vor komplexe Herausforderungen. Konzepte des langfristigen Gesundheitsmonitorrings von Patienten im Rahmen des Ambient Assisted Living (AAL) können die Versorgung unterstützen und den Personalmangel im Gesundheitswesen [1] teilweise ausgleichen. Hierzu muss als zusätzlicher Dienstleister ein Telemedizinzentrum (TMZ) als Mittler zwischen dem häuslichen Bereich des Patienten und den Leistungserbringern des Gesundheitswesens auftreten [2]. Es koordiniert die Kommunikation und bietet Servicedienste für die Teilnehmer. Meldungen (z.B. Ereignisse), ausgelöst durch verbaute Gebäude-Sensorik im häuslichen Bereich, erreichen das TMZ, welches diese Meldungen aufarbeitet, um Maßnahmen ableiten zu können. In diesem Beitrag soll ein Klassifikationssystem vorgestellt werden, das Informationen von definierten Sensoren oder -gruppen zusammenfasst, im TMZ daraus automatisiert Ereignisse erkennt, in ihrer Gesamtheit bewertet und schließlich Maßnahmen (z.B. Benachrichtigung eines Angehörigen, des Pflegedienstes) ableitet.

Material und Methoden: Neben in der Wohnung des Patienten vorhandenen medizinischen Klein-Geräten (z.B. Waage, Blutdruckmessgerät) ist eine größere Anzahl von Gebäude-Sensorik in den Wohnungen verbaut, bspw. Präsenzmelder und Hitzesensoren sowie Feuchtigkeits- oder Kontaktsensoren, die Aussagen über den allgemeinen Zustand der Wohnung zulassen [3]. Damit wird es möglich, den Wohnungsstatus aus einer AAL-Perspektive heraus zu betrachten, um die Sicherheit der Patienten weiter zu erhöhen. Beim Auftreten von bestimmten Ereignissen kann das TMZ ereignisgesteuert benachrichtigt werden und weitere Maßnahmen ergreifen. Die Aufbereitung der Sensordaten und die Ereignisableitung soll im häuslichen Bereich des Bewohners stattfinden. Hierzu werden aus Sensornachrichten Ereignisketten aufgebaut, die eine Schlussfolgerung über das Gefahrenpotential zulassen und so eine automatisierte Alarmierung im TMZ ermöglichen. Vorgesehen ist dabei eine dreigliedrige Klassifikation nach dem Schema: “keine Gefährdung”, “mittlere Gefährdung” und “hohe Gefährdung”. Eine automatisierte Einteilung wird dabei nach einem eigens definierten Schwellwertkonzept vorgenommen. Aus Datenschutzgründen werden nur in “Hochrisikosituationen” (z.B. abnorme Hitzeentwicklung in der Wohnung) Informationen zur konkret vorliegenden Situation an das TMZ übertragen und einem System oder menschlichen Handlungsträger zur Verfügung gestellt werden.

Ergebnisse: Im Ergebnis werden Mitarbeiter im TMZ durch eine Ampel-Funktionalität durch das oben vorgestellten Klassifikationssystems in die Lage versetzt, bei den Ereignissen “mittlere Gefährdung” und “hohes Gefährdungspotential” weitere Maßnahmen zu ergreifen. Konkret wurde semantisch festgelegt, welche Gefährdung mit dem Auslösen eines Sensorereignisses verbunden ist. In Situationen hoher Gefährdung (“rote Ampel”) ist die Übertragung der konkret vorliegenden Situation zwingend erforderlich, um geeignete Maßnahmen durch das TMZ auszulösen. In der Regel sollte zunächst der Rückruf beim Bewohner erfolgen, gegebenenfalls die Benachrichtigung eines Angehörigen oder, bei hoher Gefährdung auch andere Dienstleister. Der Einsatz dieses Konzepts wird im ESF-Projektes "A²LICE" der Westsächsischen Hochschule Zwickau getestet.

Diskussion: Das dreistufige Klassifizierungssystem kann für die Auswertung von Sensorereignissen genutzt werden, wobei die Herausforderung in der Klassenbildung liegt. Zentrale Frage ist, welche Semantik durch ein solches Ereignis impliziert wird. In Hochrisikosituationen muss das im häuslichen Bereich des Patienten vorliegende Ereignis an das TMZ gemeldet werden, wobei die Handlungsentscheidung vom Mitarbeiter im TMZ getroffen werden muss. Die Bewertung des Wohnungsstatus im Rahmen des AAL ist klar von einer automatisierten Bewertung des medizinischen Status des Patienten auf Basis aktueller Vitaldaten zu trennen. Im Allgemein müssen die Erfordernisse des Datenschutzes bei der Kommunikation der Sensordaten berücksichtigt werden.