Sensoren in der Medizin Textiler Brustgurt erfasst 110 Herz-Kreislauf-Parameter in Echtzeit

Anbieter zum Thema

Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration IZM

ET System electronic GmbH

CADFEM Germany GmbH

IBR Leiterplatten GmbH & Co. KG

Ein Forscherteam des Fraunhofer IZM hat gemeinsam mit Partnern ein Sensorsystem in Form einer textilen Weste entwickelt, das Herz-Kreislauf-Erkrankungen durch ein kontinuierliches Monitoring und KI-Auswertung frühzeitig erkennen soll. Damit lassen sich synchron über 110 medizinische Parameter mit einer Abtastrate von jeweils 1.000 Messpunkten pro Sekunde erfassen.

Herz-Kreislauf-Erkrankungen gehören nach wie vor zu den häufigsten Todesursachen weltweit. Umso wichtiger ist eine lückenlose und frühzeitige Überwachung von Risikopatienten. Im Rahmen des Fraunhofer-Leitprojekts mit dem Namen „maia“ (Medical Artificial Intelligence Applications) hat das Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration IZM in Berlin zusammen mit der Charité und der TU Berlin ein nicht-invasives Sensorsystem entwickelt, das diesen Ansatz auf ein neues technisches Niveau heben soll.

Textiler Brustgurt und Pflaster-Sensoren

Im Zentrum der Entwicklung stehen zwei flexible, körpernahe Wearable-Varianten, die kabellos, synchron und zu beliebigen Zeiten physiologische Daten erfassen:

• Eine individuell anpassbare textile Weste mit Mehrkanal-Elektroden, die Patienten täglich kurz anlegen können.

• Ein Set aus hautverträglichen Pflaster-Sensoren, die an strategischen Körperstellen wie Brust, Hals oder Beinen platziert werden, um Daten kontinuierlich im Hintergrund zu sammeln.

Durch diese Sensor-Kombination lassen sich rund 240 kardiologisch relevante Parameter ableiten. Das System erfasst dabei über 110 Parameter parallel, wobei jeder einzelne Messkanal mit einer Abtastrate von 1.000 Messpunkten pro Sekunde betrieben wird. Um ein ganzheitliches Bild zu erzeugen, können zudem die Messergebnisse externer Geräte (z. B. von Ultraschallgeräten) nahtlos eingespeist werden. Nach Angaben des Fraunhofer IZM ist dies weltweit das erste System, das eine derart massive und synchrone Diagnose-Datenmenge im Alltag erfasst.

Von klassischen Algorithmen bis zur Morphologie-Analyse

Angesichts der enormen Datenströme scheitern klassische, manuelle Auswertungsmethoden im Praxisalltag. Um die Zuverlässigkeit zu maximieren, setzt das Fraunhofer-Team auf eine mehrstufige Validierungskette:

• Die Rohdaten der Sensoren durchlaufen zunächst klassische Verfahren zur Signalverarbeitung.

• Anschließend greifen spezialisierte KI-Modelle und neuronale Netze, die darauf trainiert sind, die Morphologie der Datenkurven, beispielsweise den Verlauf von EKG-Linien, detailliert auszuwerten.

Während eine solche Kurvenanalyse in der klinischen Praxis meist händische Fleißarbeit erfordert, haben Untersuchungen gezeigt, dass spezialisierte KIs diesen Schritt sogar präziser durchführen können als erfahrenes medizinisches Fachpersonal. Die KI erkennt so subtile, gefährliche Trends, die auf eine Verschlechterung der Herz-Kreislauffunktion hindeuten.

Sprachmodelle (LLMs) als klinischer Co-Pilot

Das technische Konzept geht jedoch weit über die reine Sensordaten-Auswertung hinaus: Auch die Anamnese, etwa zur familiären Krankheitsgeschichte oder zum tagesaktuellen Befinden, lässt sich digital integrieren.

Hierzu kommen präzise abgestimmte Large Language Models (LLMs) mit medizinischem Fokus zum Einsatz. Über Text- und Spracheingabe können Patienten leitlinienorientierte Fragebögen beantworten; die Befragung wird zur Langzeitbeobachtung täglich wiederholt.

Im Hintergrund arbeitet ein komplexes LLM-Ensemble, zu dem unter anderem Googles MedGemini gehört. Ein übergeordneter KI-Agent gleicht die Ergebnisse dieser medizinischen Sprachmodelle ab und prüft sie auf Widersprüche. Schließlich bereitet das System die Resultate passgenau auf: Je nach Zielgruppe (ärztliches Fachpersonal oder Patient) werden Auffälligkeiten, Risikofaktoren und Diagnosevorschläge in verständlicher Sprache ausgegeben. (heh)

Dehnbar und kabellos

EKG per Pflaster: Das Herz diagnostisch überwachen

(ID:50918671)