Smart Wearables in klinischer Ausbildung und Praxis. Dr. Stephan Jonas Institut für Medizinische Informatik Uniklinik RWTH Aachen

Transkript

1 Smart Wearables in klinischer Ausbildung und Praxis Dr. Stephan Jonas Institut für Medizinische Informatik Uniklinik RWTH Aachen

2 Was sind eigentlich Smart Wearables? Smart Computersystem Sensorik Vernetzt Wearable Körpernah 2

3 Quantified Self Man ist was man isst. Oder wie viele Schritte man läuft wie viel Sport man macht wie viel und gut man schläft wie schnell das Herz schlägt Macht uns das zu besseren Patienten? Macht uns das zu besserem medizinischen Personal? 3

4 Handhygiene Krankenhausinfektionen in Europa 4,1 Millionen Fälle / direkte/indirekte Todesfälle 20-30% vermeidbar durch Handhygiene Volkswirtschaftlicher Schaden (USA) 2,5-5 Milliarden US$ Quellen: European Centre of Disease Prevention and Control / Malliarou

5 Handhygiene Zwei Faktoren: Compliance Technik/Gesten (WHO Richtlinie)

6 Umfrage: Handhygiene-Technik Wie viele der Krankenpflegeschüler verwenden alle sechs WHO Gesten? Antwort ca. 35% verwendeten alle Gesten ca. 28% erreichten eine gute Abdeckung mit Desinfektionsmittel 6

7 Verbesserungsidee Serious Game Automatische Detektion Automatische Evaluation Highscorelisten 7

8 Evaluation der Gesten MYO Armband Elektromyographie Lagesensoren Bewegungssensoren 8

9 Datenverarbeitung Vorverarbeitung Klassifikation Nachverarbeitung Wavelet Transformation Windowing Support Vector Machine Artificial Neural Network k-nearest Neighbors Hidden Markov Model 9

10 Hidden Markov Model 10

11 Hidden Markov Model HMM ANN Ref Time(seconds) 11

12 Ergebnis Erkennungsrate: 84,4% Akzeptanz: 100% Probleme Rotation & Verschiebung Benutzervarianz 12

13 Ausblick Einsatz als Serious Game Regelmäßige Überprüfung Andere Anwendungsgebiete 13

14 Familiär/Informell Pflegende Pflegen ca. 70% aller Bedürftigen Ca. 6-7 Millionen Pflegende Volkswirtschaftlicher Nutzen (USA) 350 Milliarden US$ 14

15 Probleme in der (familiären) Pflege Fehlende Ausbildung Sozialer Druck/Leistungsdruck Überlastung Physisch Psychisch Quelle: Twitter 15

16 Lösungsansatz: Health Observer Überwachung der Belastung Kostengünstig Unaufdringlich Benutzerfreundlich Quelle: Twitter 16

17 Lösungsansatz: Health Observer Intelligentes Kleidungsstück Physiologische Messwerte Atemrate Puls Bewegung Körperhaltung }Stress } Müdigkeit 17

18 Sensorik Mikrophon Auskultation/Puls Lagesensor Haltung Lagesensor Atemrate Lagesensor Referenz/Aktivität 18

19 Prototyp Elektronik Arduino Lilypad Lilypad Accelerometer Electret Mikrophon Bluetooth Modul Lithium-Ionen Batterie Waschbar 19

20 Signalverarbeitung Körper Microcontroller Smartphone Körpersignale Senden der Daten via Bluetooth Signalverarbeitu ng Aufnahme mit Sensoren Einlesen der Daten auf dem Microcontroller Signalfusion Signalfilterung Analog/digital Wandlung Anzeige auf dem Smartphone 20

21 Signalfusion: Körperhaltung Aufrecht Gekrümmt Haltung Referenz Referenz 21

22 Prototyp Kostenaufstellung Komponente Anzahl Kosten LilyPad Arduino 328 Main Board 1 $19.95 LilyPad Accelerometer ADXL335 3 $14.95 SparkFun Electret Microphone 1 Breakout $7.95 SparkFun Bluetooth Mate Gold 1 $34.95 LilyPad FTDI Basic Breakout - 5V 1 $14.95 Polymer Lithium Battery mAh 1 $9.95 SparkFun LiPo Charger Basic - Micro- 1 USB $7.95 Conductive Thread Bobbin - 30ft 2 $2.95 (Stainless Steel) Shirt (vest) 1 $8.00 Summe: $

23 Ergebnis Smart Wearable Belastungsmessung Stress Müdigkeit Körperhaltung 23

24 Ausblick Smartphone Applikation Benutzerstudie in Planung Erweiterungen Hautwiderstand (Stress) Temperatur 24

25 Klinische Ausbildung Handhygiene Serious Game Zusammenfassung Klinischer Alltag Stress Müdigkeit Körperhaltung 25