PASBADIA

Patientennahe Smartphone-basierte Diagnostik

In der Medizin ist oft eine schnelle, patientennahe Diagnose notwendig, z. B. bei der Überwachung des kurativen Verlaufs von Patienten mit Mobilitätseinschränkungen im ländlichen Raum. In schlecht zugänglichen oder unterversorgten Gebieten ist die Nutzung von breit verfügbaren Diagnosegeräten ein vielversprechender Ansatz. Aktuelle Smartphones bieten sich auf Grund ihrer Verbreitung und der bereits eingebauten Sensorik und Rechenkapazität für diese Aufgabe an, werden aber zurzeit nur vereinzelt und rudimentär eingesetzt.

Im Projekt sollen durch die Arbeitsgruppe Ophthalmotechnologie der TH Lübeck robuste und sicher anwendbare Aufsätze als Kombination aus spektralen, Fluoreszenz- oder Polarisations-basierten Methoden entwickelt werden, um beispielsweise im Augenhintergrund Diagnoserohdaten zu generieren und diese zu analysieren. Dabei kann die Arbeitsgruppe Ophthalmotechnologie auf jahrelange Erfahrung in der Erfassung und Bewertung von diagnostischen Daten im Bereich der Ophthalmologie zurückgreifen. Ein gut ausgestattetes Labor erlaubt zudem Referenzmessungen zu den erfassten und berechneten diagnostischen Signalen.

Die qualitativ hochwertigen Kameras zusammen mit in Smartphones verbauten Lichtquellen (LED-Blitz), erlauben die Umsetzung optischer Diagnoseverfahren aus dem Bereich klassischer Geräte, wenn an das Smartphone entsprechende Aufsätze und Anwendungen angepasst und Messdaten vor Ort ausgewertet werden.

Moderne Methoden der statistischen Lerntheorie, heute vor allem aus dem Kontext der KI heraus bekannt, erlauben eine effiziente datenbasierte Auswertung dieser Rohdaten. Die Expertise des Instituts für Medizinische Elektrotechnik (IME) der Universität zu Lübeck im Bereich der probabilistischen graphischen Modelle und der effizienten Gaußprozessanalyse erlaubt sowohl die Integration von Vorwissen als auch von stochastischen Unsicherheitsinformationen. Die Gewinnung dieser Informationen bereits aus der Messmethodik und -technik heraus erfordert eine enge interdisziplinäre Zusammenarbeit zwischen der Arbeitsgruppe Ophthalmotechnologie und dem Institut für Medizinische Elektrotechnik.

Diese Daten im Spannungsfeld zwischen den Methoden der KI, der zur Verfügung stehenden Datenbasis und den begrenzten Ressourcen (und teilweise geringer bzw. fehlender Internetverbindung) verteilt zu erfassen, zu speichern und zu verarbeiten erfordert Kompetenzen, wie sie im Kompetenzzentrum Kommunikation— Systeme—Anwendungen (CoSA) vereint werden. Die Entwicklung einer derart verteilten, robusten und lernfähigen Lösung kann nur im Schulterschluss mit den anwendenden Medizinern erfolgen.

Das Institut für Allgemeinmedizin (IfA) am Universitätsklinikum Schleswig-Holstein, Campus Lübeck ist ausgewiesen in der Analyse von Abläufen und Prozeduren von Hausärzten. Diese Studienergebnisse bilden die Basis, um gezielt den Bedarf im Bereich der Ophthalmotechnologie in der Primärversorgung zu erheben und die gefundenen technischen Anwendungen in den Versorgungsalltag zu implementieren. Die Erfahrungen der vergangenen Jahre hat gezeigt, dass ohne eine solche implementierungswissenschaftliche Begleitung, die Mehrheit der telemedizinischen Projekte nicht über ein Pilotstadium herausgekommen sind.

In diesem Projekt werden erstmalig die Expertisen des erfolgreichen hochschulübergreifenden Kompetenzzentrums TANDEM (Technology and Engineering in Medicine) zwischen der Technischen Hochschule und der Universität zu Lübeck und dem COPICOH zusammengebracht. Neben den Synergien, die sich für das hier vorgestellte konkrete Forschungsprojekt ergeben, entstehen hierdurch auch ganz neue Möglichkeiten der zukünftigen Zusammenarbeit zwischen den Zentren und den Hochschulen.

 

Video: PASBADIA - Transdisciplinary collaboration for the benefit of patients

 

Die Joachim Herz Stiftung in Hamburg fördert das gemeinsame PASBADIA-Projekt der beiden Lübecker Hochschulen mit rund 1,3 Millionen Euro.

Publikationen

2022

  • Marlin Siebert and Nikolay Tesmer and Philipp Rostalski: Stochastic variational deep kernel learning based diabetic retinopathy severity grading. Current Directions in Biomedical Engineering, no. 8, pp. 408-411, Walter de Gruyter GmbH, aug, 2022
    BibTeX Link
    @article{Siebert_2022,
    	doi = {10.1515/cdbme-2022-1104},
    	url = {https://doi.org/10.1515%2Fcdbme-2022-1104},
    	year = {2022},
    	month = {aug},
    	publisher = {Walter de Gruyter {GmbH}},
    	volume = {8},
    	number = {2},
    	pages = {408--411},
    	author = {Marlin Siebert and Nikolay Tesmer and Philipp Rostalski},
    	title = {Stochastic variational deep kernel learning based diabetic retinopathy severity grading},
    	journal = {Current Directions in Biomedical Engineering}
    }
  • M. Siebert and P. Rostalski: Performance evaluation of lightweight convolutional neural networks on retinal lesion segmentation. in Medical Imaging 2022: Computer-Aided Diagnosis, no. 12033, pp. 806 - 817, SPIE, 2022
    BibTeX Link
    @inproceedings{SiRo22,
    author = {M. Siebert and P. Rostalski},
    title = {{Performance evaluation of lightweight convolutional neural networks on retinal lesion segmentation}},
    volume = {12033},
    booktitle = {Medical Imaging 2022: Computer-Aided Diagnosis},
    editor = {Karen Drukker and Khan M. Iftekharuddin and Hongbing Lu and Maciej A. Mazurowski and Chisako Muramatsu and Ravi K. Samala},
    organization = {International Society for Optics and Photonics},
    publisher = {SPIE},
    pages = {806 -- 817},
    keywords = {diabetic retinopathy, deep learning , multi-lesion segmentation, U-Net, fundus image, mobile segmentation},
    year = {2022},
    doi = {10.1117/12.2611796},
    URL = {https://doi.org/10.1117/12.2611796}
    }

2022

  • Linda A. Held and Larisa Wewetzer and Jost Steinhäuser: Determinants of the implementation of an artificial intelligence-supported device for the screening of diabetic retinopathy in primary care - a qualitative study. Health Informatics Journal, no. 28, pp. 146045822211128, SAGE Publications, jul, 2022
    BibTeX Link
    @article{Held2022,
      doi = {10.1177/14604582221112816},
      url = {https://doi.org/10.1177/14604582221112816},
      year = {2022},
      month = {jul}
      publisher = {{SAGE} Publications},
      volume = {28},
      number = {3},
      pages = {146045822211128},
      author = {Linda A. Held and Larisa Wewetzer and Jost Steinh\"{a}user},
      title = {Determinants of the implementation of an artificial intelligence-supported device for the screening of diabetic retinopathy in primary care - a qualitative study},
      journal = {Health Informatics Journal}
    }
    

2021

  • L. Wewetzer, S. Hauschild, P. Blickle, H. Hellbrück and Jost Steinhäuser: Interoperabilität, Schnittstellen …? Ein Beitrag zu technischen Begriffen zur Förderung des Verständnisses von Praxisinformationssystemen. no. 97, ZfA, jul,, 2021
    BibTeX Link
    @article{Wewetzer2021,
      doi = {10.3238/zfa.2021.0464–0470},
      url = {https://www.online-zfa.com/fileadmin/user_upload/Interoperabilitaet.pdf},
      year = {2021},
      month = jul,
      publisher = {ZfA},
      volume = {97},
      number = {11},
      author = {L. Wewetzer, S. Hauschild, P. Blickle, H. Hellbrück and Jost Steinh\"{a}user},
      title = {Interoperabilität, Schnittstellen …? Ein Beitrag zu technischen Begriffen zur Förderung des Verständnisses von Praxisinformationssystemen},
    }
  • Larisa Wewetzer and Linda A. Held and Jost Steinhäuser: Diagnostic performance of deep-learning-based screening methods for diabetic retinopathy in primary care - A meta-analysis. PLOS ONE, no. 16, pp. e0255034, Public Library of Science (PLoS), aug,, 2021
    BibTeX Link
    @article{Wewetzer2021,
      doi = {10.1371/journal.pone.0255034},
      url = {https://doi.org/10.1371/journal.pone.0255034},
      year = {2021},
      month = aug,
      publisher = {Public Library of Science ({PLoS})},
      volume = {16},
      number = {8},
      pages = {e0255034},
      author = {Larisa Wewetzer and Linda A. Held and Jost Steinh\"{a}user},
      editor = {Antonio Palaz{\'{o}}n-Bru},
      title = {Diagnostic performance of deep-learning-based screening methods for diabetic retinopathy in primary care - A meta-analysis},
      journal = {{PLOS} {ONE}}
    }

Projektbeteiligte

Prof. Dr. Mathias Beyerlein
Labore für Medizinische Optik (TH Lübeck)
+49 451 300 5745
mathias.beyerlein(at)th-luebeck.de

 

Malte Gienow-Broers, M.Sc.
Labore für Medizinische Optik (TH Lübeck)
+49 451 300 5226
malte.gienow-broers(at)th-luebeck.de

 
 

Linda Anna Held
Institut für Allgemeinmedizin (IfA)
+49 451 3101 8007
l.held(at)uni-luebeck.de

 
 

Marlin Siebert, M.Sc.
Institut für Medizinische Elektrotechnik (IME)
+49 451 4101 6220
m.siebert(at)uni-luebeck.de

 

Prof. Dr. med. Jost Steinhäuser
Institut für Allgemeinmedizin (IfA)
+49 451 3101 8000
jost.steinhaeuser(at)uksh.de

 

Josephine Walke, B.A.
Institut für Medizinische Elektrotechnik (IME)
+49 451 3101 6208
josephine.walke(at)uni-luebeck.de

 

Larisa Wewetzer
Institut für Allgemeinmedizin (IfA)
+49 451-3101-8011
l.wewetzer(at)uni-luebeck.de