Startseite > Medizintechnik > E-Health > Schlaganfall mit vernetzten Nahinfrarot-Sensoren vorhersagen

KI rettet Leben

Schlaganfall mit vernetzten Nahinfrarot-Sensoren vorhersagen

9. Juli 2024, 9:17 Uhr | Ute Häußler

Der Einsatz von Nahinfrarot-Sensoren und Embedded-KI kann im Krankenhaus, über Smartphones, intelligente Spiegel und sogar in Duschkabinen oder Autos Schlaganfälle frühzeitig erkennen und automatisiert Notrufe absetzen. Denn jede Minute bis zur medizinischen Behandlung rettet Hirnzellen und Leben.

▶ Diesen Artikel anhören

Der Schlaganfall entwickelt sich zur Volkskrankheit. Immer mehr Menschen erleiden eine akute Schädigung von Hirnarealen aufgrund eines Gefäßverschlusses oder durch eine Hirnblutung. Allein im Jahr 2023 erlitten 270.000 Menschen einen Schlaganfall, wobei 200.000 Menschen zum ersten Mal davon betroffen waren, während es bei 70.000 Menschen zum wiederholten Mal dazu kam. Eingebettete Künstliche Intelligenz kann bei der zeitnahen Detektion und Reaktion von Schlaganfällen die Folgeschäden und die Zahl der Todesfälle reduzieren.

Der Faktor Zeit

Denn kaum etwas ist bei der Behandlung von Schlaganfällen und der Eindämmung der Folgen von so elementarer Bedeutung wie ein zeitnahes Erkennen und Reagieren. Dr. Christian Seiß, Facharzt für Neurologie, führt dazu aus: »Je mehr Zeit vergeht – also je länger Gehirngewebe ohne Sauerstoff bleibt –, desto wahrscheinlicher sind schwere und bleibende Schäden nach einem Schlaganfall.«

Wird ein Schlaganfall in den ersten 90 Minuten nach Auftreten behandelt, ist jeder vierte Patient beschwerdefrei. Erfolgt die Behandlung in einem Zeitraum von 90 Minuten bis drei Stunden, ist nur noch jeder neunte Patient beschwerdefrei. Wird die Spanne von drei Stunden zwischen Auftreten und Behandeln überschritten, ist lediglich jeder 14. Patient beschwerdefrei.

Die Kosten für die Behandlung dieser Beeinträchtigungen nahmen in den vergangenen Jahren deutlich zu. Sie stiegen von 7,1 Milliarden Euro im Jahr 2004 auf 17 Milliarden Euro im Jahr 2023 – durch aktuelle Entwicklungen wird mit einem weiteren Anstieg in Höhe von 30 Prozent bis zum Jahr 2040 gerechnet.

Embedded-KI erkennt Schlaganfall schnell und zuverlässig

Bereits heute kann Embedded-KI dabei helfen, die Folgekosten zu senken oder sogar Leben zu retten, indem sie die Detektion von Schlaganfällen beschleunigt und somit eine schnelle medizinische Behandlung ermöglicht.

Die Erkennung und Detektion eines drohenden Schlaganfalls wird mithilfe von Nahinfrarot-Sensoren ermöglicht, die unterschiedliche Einflüsse analysieren und Hinweise nach auffälligen Merkmalen untersuchen. Die Kennzeichen können unter anderem ein erhöhtes Stresslevel oder auch eine veränderte Ader- beziehungsweise Venenstruktur sein.

Detektion über smarte Wearables und Elektronikgeräte

»Stellen Sie sich diese Technologie einmal im Handy vor. Mit speziellen Apps kann heute schon die Herzfrequenz gemessen werden. Warum also nicht auch andere Krankheiten. Wir schauen so viel auf unser Display. Die Prüfung könnte problemlos im Hintergrund ablaufen – und rechtzeitig eine Warnung abgeben. Dasselbe gilt für Notebooks, wenn Mitarbeiter – egal ob im Büro, am Flughafen oder in einem Restaurant vor einem Kundentermin – arbeiten«, beschreibt Viacheslav Gromov, CEO des Embedded-KI-Spezialisten AITAD, mögliche neue Anwendungsszenarien.

Die Möglichkeiten smarter Technik

Nahinfrarotsensoren können die Venenstruktur im Gesicht bspw. eines Autofahrers erkennen. Embedded-KI analysiert diese und kann einen drohenden Schlaganfall frühzeitig erkennen. Sitzt die Person z.B. im Auto, könnte in einem solchen Fall das Fahrzeug an den Straßenrand fahren und automatisiert Hilfe rufen.

Das Auto ist nur ein Beispiel von vielen: Eine Analyse kann an allen Orten erfolgen, bei denen die Detektion des Gesichtes problemlos möglich ist. Dies ist unter anderem bei Smartphones, Bildschirmen oder in Displays denkbar. Weiterhin bieten sich zum Beispiel smarte Spiegel oder Duschkabinen für die medizinische Überwachung von Vitalzeichen und Körpersignalen an.

Nahinfrarotsensoren zur Schlaganfallerkennung

Die Schlaganfallerkennung basiert auf der Nutzung von Nahinfrarotsensoren, welche auf Embedded-KI-Platinen angebracht sind. Dadurch werden die Möglichkeiten der frühen Detektion mit den allgemeinen Vorteilen der Embedded-KI kombiniert. Durch die autarke Arbeitsweise von Embedded-KI und die damit einhergehende Netzwerkunabhängigkeit kann die Analyse schnell und ohne Verzögerung erfolgen. Außerdem sind die sensiblen persönlichen Daten und biologischen Gegebenheiten durch die wenigen Schnittstellen besser geschützt, als dies bei KI-Lösungen mit Cloudanbindung der Fall ist.

»Die demographische Entwicklung zwingt uns dazu, Antworten auf neue medizinische Fragen zu finden – wie beispielsweise das steigende Schlaganfallrisiko. Bereits heute können wir diese schnell und effektiv detektieren und somit finanzielle, aber vor allem menschliche Schäden minimieren. Die Einsatzmöglichkeiten der Lösungen sind weiter gestreut, als viele Unternehmen denken. Lassen Sie uns also gemeinsam Leben retten!«, so Gromov.

Die Relevanz der Schlaganfall-Detektion

Für die Zukunft gehen Experten von weiter steigenden Zahlen aus. Dies hängt unter anderem mit den Risikofaktoren zusammen, die kontinuierlich zunehmen. Die Gesellschaft wird immer älter (die Wahrscheinlichkeit eines Schlaganfalles nimmt ab dem Alter von 55 Jahren exponentiell zu) und ungesünder (knapp zwei Drittel der Männer sind übergewichtig). Der Umgang mit Schlaganfällen wird in Zukunft dementsprechend immer wichtiger.

Während jeder fünfte Betroffene in den ersten Wochen nach Erleiden des Schlaganfalles verstirbt, sind 64 Prozent der Patienten pflegebedürftig – knapp 15 Prozent davon müssen in Pflegeeinrichtungen untergebracht werden. Dadurch entstehen große finanzielle und soziale Herausforderungen, die lediglich durch die Prävention des Eintretens abgemildert werden können. Neben den Anstrengungen des Individuums (zum Beispiel die gesündere Ernährung und der Verzicht auf Rauchen) kann die moderne Technik bei der zeitnahen Detektion und Reaktion helfen.