Camera met machine learning-algoritmen voorkomt medische complicaties

Onderzoekers van de TU/e en het Catharina Ziekenhuis hebben een camera ontwikkeld, die patiënten continu en automatisch monitort en gebruik maakt van machine learning-algoritmen.

Trefwoorden: #camera, #complicaties, #FORSEE, #machine learning, #monitoren, #patiëntenbewaking, #TU/e

Lees verder

research

( Foto: TU/e )

ENGINEERINGNET.BE - Deze intelligente camera controleert voortdurend de hartslag en ademhaling van een gehospitaliseerde patiënt en een seintje geeft aan artsen en verpleegkundigen als er iets mis is. De onderzoekers denken hiermee complicaties en onverwachte overlijdens terug te dringen, waarvan ongeveer 40% plaatsvindt op een gewone verpleegafdeling.

“De camera werkt op basis van kunstmatige intelligentie”, zegt Sveta Zinger, hoofddocent aan de faculteit Electrical Engineering en gespecialiseerd in medische beeldanalyse. “De camera is gericht op de borst en het gezicht van de patiënt. Zo kan hij precies zien of er geen subtiele veranderingen optreden in de kleur van je gezicht of de beweging van je borst, die kunnen wijzen op mogelijke complicaties.”

De camera is de afgelopen jaren uitgebreid getest in het laboratorium. “Daaruit bleek dat een slimme camera vitale gegevens, zoals hartslag, ademhaling, temperatuur en de hoeveelheid zuurstof in het bloed, op afstand kan meten. En met machine learning kunnen we die gegevens vervolgens ook interpreteren”, aldus Zingert.

Om te kijken of de camera ook in een klinische omgeving werkt, wordt een experiment uitgevoerd op de IC-afdeling van het Catharina. Tien patiënten en vijf gezonde vrijwilligers worden acht uur non-stop gevolgd, waarbij de gegevens van de camera met de meetgegevens van de IC-apparatuur gecombineerd worden.”

Voor wie niet direct staat te springen bij het idee dat er een camera naast het bed staat, benadrukt Zinger dat de privacy van de patiënt voorop staat. Zo geven de deelnemers aan het onderzoek nadrukkelijk toestemming en verder zit er op elke camera een knop waarmee de patiënt het apparaat kan uitzetten, als hij of zij dat wil. De patiënten zijn trouwens niet herkenbaar op de opnamen. De gebruikte algoritmen hebben genoeg aan anonieme pixels.

De eerste resultaten van het onderzoek worden in de zomer van 2021 verwacht. Uiteindelijk gaat het FORSEE-project, een initiatief van het Eindhoven MedTech Innovation Center (e/MTIC ), en gesubsidieerd door ZonMw, NWO, de Hartstichting en de Dutch CardioVascular Alliance (DCVA), vijf jaar duren.