Gemeinsam mit der Universität Leipzig, der Stiftung Deutsche Schlaganfall-Hilfe und dem Institut für Allgemeinmedizin Leipzig entwickeln wir im Rahmen einer BMBF-Förderung das Projekt DaDriv – eine KI-gestützte Lösung zur Verbesserung der Langzeitversorgung von Schlaganfallpatient:innen. Ziel ist die automatisierte Erstellung und kontinuierliche Anpassung individueller Therapiepläne auf Basis von Echtzeit-Gesundheitsdaten und digitalen Zwillingen. DaDriv ermöglicht eine adaptive, personalisierte Behandlung, die sich flexibel an den Gesundheitszustand der Patient:innen anpasst. Durch Simulation von Therapieentscheidungen und die Analyse von Krankheitsverläufen unterstützt das System medizinisches Fachpersonal bei schnellen, datenbasierten Entscheidungen – bei gleichzeitiger Reduzierung administrativer Aufwände. Die Integration digitaler Zwillinge erlaubt einen proaktiven Versorgungsansatz, indem reale Patientendaten mit einem virtuellen Idealzustand abgeglichen werden. Dies verbessert Therapieergebnisse, ermöglicht die frühzeitige Erkennung von Komplikationen und steigert die Lebensqualität von Schlaganfallbetroffenen. Dank des MDR IIa-zertifizierten Plattformmoduls ACTIMI Signals ist die Lösung schnell in bestehende Versorgungssysteme integrierbar und bereit für eine breite Anwendung im Gesundheitswesen.

Zusammen mit dem Fraunhofer IAO entwickeln wir das Automatisierungstool NAVA im Rahmen des DATIpilot-Förderprogramms. Dieses Entwicklungsprojekt konzentriert sich darauf, administrative Aufgaben und Patienten-Triage im Gesundheitswesen mithilfe von Künstlicher Intelligenz zu optimieren. NAVA, ein niedrigschwelliges Automatisierungstool, hat das Ziel, den Zeitaufwand für routinemäßige administrative Aufgaben zu verringern und die Effizienz der Patientenüberwachung zu verbessern. Durch den Einsatz von KI zur Analyse von Echtzeit-Gesundheitsdaten unterstützt NAVA medizinisches Personal dabei, Patientenanfragen zu priorisieren und kritische Zustände frühzeitig zu erkennen, insbesondere bei der Fernüberwachung von Patienten. Das Projekt zielt darauf ab, die Effizienz von Gesundheitsprozessen zu verbessern, um die Arbeitsbelastung des Personals zu verringern und das Fehlerpotenzial zu minimieren. Potenzielle Vorteile umfassen die Möglichkeit, das KI-gestützte Tool bei Gesundheitsanbietern, Kliniken und Pflegeeinrichtungen einzuführen und gleichzeitig seine Integration in Fernüberwachungsplattformen zu ermöglichen und die Automatisierung im Gesundheitswesen zu optimieren.

Ziel dieses Entwicklungsprojekts ist die Auswertung von Vitaldaten mit Hilfe künstlicher Intelligenz. Dabei wird erforscht, inwiefern Künstliche Intelligenz die Diagnosegenauigkeit bei der Behandlung von chronischen Erkrankungen wie Herzinsuffizienz erreichen oder sogar verbessern kann. Dieses Vorhaben zielt darauf ab, die medizinische Versorgung zu optimieren und gleichzeitig das Gesundheitssystem zu entlasten. Die wirtschaftlichen Möglichkeiten für den Antragsteller reichen von Verkauf des KI-Moduls als App an andere Telemonitoring-Anbieter bis zum Vertrieb der ganzheitlichen Monitoring-Lösung an Praxen und Krankenhäuser.

Geräte zur digitalen Selbstvermessung werden von immer mehr Menschen genutzt. Anwendung finden sie beispielsweise im Fitness- und Freizeitbereich, aber auch zunehmend in medizinischen Kontexten. Für die Nutzenden solcher Geräte ist jedoch oft nicht hinreichend klar, welche Daten zu welchem Zweck erhoben werden und wo und wie diese Daten verarbeitet und weitergegeben werden. Zwar haben die Nutzenden hinsichtlich ihrer Selbstvermessungsdaten umfangreiche Rechte, doch ergeben sich in der Praxis die Herausforderungen einer fehlenden Transparenz sowie eines oftmals hohen Aufwands, Rechte an den eigenen Daten durchzusetzen. Das Ziel von TESTER ist die Entwicklung eines Privacy Assistenten, der Transparenz und Intervenierbarkeit bezüglich Daten aus der Selbsverwertung schafft. Actimi ist hier der Entwicklungspartner. Die Komponente wird Bestandteil der Actimi Plattform.

EmpAItica ist ein KI-basierter Conversational Agent, der speziell für die Erkennung von Depressionen und die Unterstützung von Betroffenen entwickelt wurde. Ziel des Förderprojekts ist die Zertifizierung des Moduls nach MDR IIa. Dies wäre der erste LLM-basierte Conversational Agent in Europa, der im medizinischen Umfeld eingesetzt werden kann. Durch einen multimodalen Ansatz - basierend auf Sprache, Mimik und Gestik - kann der Chatbot emotionale Zustände in Echtzeit analysieren und sensibel auf die Bedürfnisse des Nutzers eingehen. Ziel ist es, Betroffenen während der Wartezeit auf einen Therapieplatz eine Brücke zu professioneller Hilfe zu bauen.