Ultra-Low Power Rechnerarchitektur für die Signal- und Datenverarbeitung von EKG Wearables mit automatisiertem Datentransfer zu einem eHealth Hub

Die Verwendung mobiler Sensorik in der Medizin, wird in Zukunft eine große Rolle für die weltweite Gesundheitsversorgung spielen. Grund hierfür sind die steigenden Kosten für die medizinische Versorgung und der demographische Wandel weltweit und insbesondere in Deutschland. Quellen des statistischen Bundesamts belegen, dass sich die Anzahl der Verrentungen in den nächsten 20 Jahren verdoppeln wird. Im Jahr 2010 versorgten 100 Erwerbtätige etwa 35 Menschen deren Lebensalter über 65 Jahre war. Im Jahre 2050 wird diese Zahl auf 65 Menschen anwachsen. Folgt man den Ausführungen der OECD, wird in 2020 eine Lebenserwartung von 82 Jahren prognosti-ziert. (siehe „Gesundheit und Krankheit im Alter“, Eine gemeinsame Veröffentlichung des Statistischen Bundesamtes, des Deutschen Zentrums für Altersfragen und des Robert Koch-Instituts). Wenn nun die Kosten wie von der OECD vorhergesagt steigen würde es bedeuten, dass sich in 10 Jahren die Gesundheitskosten um ca. 70% pro Person erhöhen. Hierbei ist nicht der demographische Wandel einkalkuliert, so dass man sicherlich mit einer Verdoppelung der Kosten in 10 Jahren rechnen kann. Fazit ist, dass ohne Veränderung, dieses System nicht mehr bezahlbar sein wird.


Ein Lösungsansatz ist der gezielte Einsatz modernster Technologien in der mobilen Gesundheitsversorgung, um eine kontinuierliche Kontrolle des Gesundheitsstatus zu ermöglichen. Hierdurch kann erreicht werden, dass eine Hospitalisierung durch einen verbesserten Vitalstatus vermieden oder zumindest herausgezögert wird. Eine frühzeitige Intervention (Therapie Steuerung) ermöglicht, Patienten durch Prävention langfristig bis ins hohe Alter gesund zu halten. Die Verwendung kosteneffizienter und hoch-wertiger Technologie welche dem Arzt und dem Patienten ermöglicht, kontinuierlich und ohne zeitlichen sowie finanziellem Aufwand zu kommunizieren und Ferndiagnosen sowie eine Therapie zulässt, wird eine Lösung der qualitativ hochwertigen Versor-gung vieler Menschen in Zukunft ermöglichen. In diesem Projekt soll hierzu die Erwei-terung einer Plattform zur effizienten Messung von EKG-Daten erforscht werden.


„Wearables“, als Begriff für tragbare Sensorik im Allgemeinen, ist heute schon allgegenwärtig. Elektronische Sportarmbänder, Smart-Watches etc. sind heute schon in der Lage, Vitaldaten zu messen, aufzubereiten und z.B. an ein Smartphone zu übertragen. Diese Produkte welche hauptsächlich für den privaten Gebrauch hergestellt werden, liefern ausreichend präzise Daten um z.B. das eigene Sporttraining zu optimieren oder um eine Übersicht des Bewegungsprofils eines Tages zu ermitteln. Weiterhin gibt es bereits einige Anwendungen welche z.B. für das Erkennen eines zu hohen oder zu niedrigen Herzschlags geeignet sind. Allerdings sind diese Werte keinesfalls für präzise medizinische Auswertungen oder gar Vorhersagen von kritischen Zuständen des Gesundheitszustandes geeignet. Hierzu müssen weitaus aufwändigere Algorithmen in Verbindung mit elektronischen Systemen verwendet werden, welche eine Signal- und Datenvorverarbeitung sowie die Kommunikation mit einer Basis, dem eHealth Hub erlauben.

Testgeräte

Um Erfahrung zu sammeln und um zu analysieren wie andere Geräte die Messung und Auswertung von EKG Daten realisieren, haben wir zwei M5Stack Core samt dem Sensor Max 30100

Besonders wichtig bei der Auslegung des tragbaren EKG-Patch ist es, die harte Echtzeitanforderung, welche die Anwendung erfordert, und die hohe erforderliche Rechen-performanz für die Algorithmen zur Datenvorverarbeitung auf dem eingebetteten Rechnersystem zu gewährleisten.

Die Konzeption des zu entwickelnden Systems bestehend aus Recheneinheit, Sensorankopplung und drahtgebundener sowie Funkkommunikation mit schnellster Mess- und Auswertelogik muss klein, leistungsfähig und skalierbar sein.

Die technische Zielsetzung ist hier die Realisierung höchster Rechenleistung auf kleinstem Bauraum mit niedrigsten Verlustleistungen bzw. niedrigstem Energiebedarf. Dieses „Cyber-Physical High Performance Medical Computing“, welches tatsächlich eine weitaus höhere Rechenleistung pro Fläche als Standardprozessoren aufweist, kann nur durch den konsequenten Einsatz modernster Methoden aus dem Bereich Hardware-Software-Codesign unter der Verwendung neuester Hardwaretechnologien und Prozessoren gelingen. Die hohen Anforderungen der Anwendung aus diesem Projektvorhaben können nicht mit den Standards traditioneller eingebetteter Systeme befriedigt werden, da hier Grenzen der Machbarkeit und Rechenleistung pro Fläche erreicht würden und die erforderliche Skalierbarkeit nicht gewährleistet werden kann.

Um Energie einzusparen muss die zu entwickelnde neue Rechnerarchitektur die Parallelität auf Instruktionsebene und Prozessebene in Anwendungen durch neue Wege im Pipelining und der Superskalarität (also räumliche und zeitliche Parallelität) unter strikter Einhaltung der CPS Anforderungen gewährleisten. Eine solche spezielle Rechnerarchitektur, welche den unabdingbaren CPS-Vorgaben folgt, ist in diesem Bereich völlig neuartig und stellt neben dem Betreten von wissenschaftlichem Neuland, eine hohe Innovation auch für weitere Anwendungen aus dem Umfeld medizinischer Sensorik dar.

Für weitere Informationen bitte an folgende Personen wenden:

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo