Um die Entwicklung digitaler Gesundheitsanwendungen (DiGA) zu beschleunigen, stellt das Fraunhofer FIT auf der DMEA (25.–27. April 2023) in Berlin eine Toolbox vor. Die Plattform bietet Anwendungen, Methoden und Lösungen aus mehreren nationalen und EU-Forschungsprojekten.
DiGA kommen immer häufiger zum Einsatz. Die Abteilung „Digitale Gesundheit“ des Fraunhofer FIT forscht seit Jahren in diesem Bereich. In mehreren nationalen und internationalen Forschungsprojekten haben die Wissenschaftler einige Technologien und Methoden entwickelt. Die nun vorgestellte Toolbox integriert diese Anwendungen und soll eine schnellere Umsetzung neuer Dienste ermöglichen, die gezielt unterschiedliche Anforderungen von Ärzten, Pflegepersonal, Patienten und Angehörigen adressieren können.
DiGa: Interoperabilität wichtig
„Ein wichtiger Aspekt für uns – neben der Benutzerfreundlichkeit – ist die Interoperabilität der entwickelten Dienste. Berücksichtigt werden dabei aktuelle Standards nationaler und EU-weiter Gesundheitsdatenräume, die rechtlichen Rahmenbedingungen für Medizinprodukte und klinische Prüfungen sowie der Datenschutz“, sagt Prof. Dr. Thomas Berlage, Leiter der Abteilung „Digitale Gesundheit“ des Fraunhofer-Instituts für Angewandte Informationstechnik FIT.
Als Beispiel für eine mit der Toolbox entwickelte Anwendung nennen die Forschenden einen ist ein ML-Dienst für IT-gestützte Pflegeberatungsbesuche, der im EFRE-NRW-Projekt „INGE – integrate4care“ realisiert und erprobt wurde. Der Dienst soll die häusliche Pflege unterstützen und erfasst die Situation von Pflegebedürftigen und deren Angehörigen erfassen.
Schmerz-App mit doppeltem Nutzen
Das Fraunhofer FIT stellt zudem eine eine neu entwickelte Schmerz-App, die die Befragung von Patienten mittels Papierbögen ablösen soll. Die App wurde gemeinsam mit Schmerzmedizinern realisiert und soll die digitale Verfügbarkeit der Daten für maschinelle Lernprozesse gewährleisten. Für die Auswertung und das Training von Modellen wurde eine Service-Plattform entwickelt. Sie kann weitere Datenquellen und maschinell erzeugte Modelle einbinden, um so den größtmöglichen Nutzen für Patientinnen und Mediziner zu erzeugen.