Neue Schlafüberwachungssysteme sollen Auffälligkeiten besser erkennen
Gesunder Schlaf ist wesentlich für ein gesundes Leben. Damit insbesondere das Schlafverhalten von kranken und alten Menschen besser ausgewertet werden kann, arbeitet die Medizintechnik an Systemen für die Schlafüberwachung, die vor allem zwischen „normalem“ und von der Norm abweichendem Verhalten unterscheiden sollen. Eine Forschungsgruppe aus Klagenfurt und Villach unter der Leitung von Kyandoghere Kyamakya hat nun ein Anforderungsprofil für solche Systeme zusammengestellt.
Unzureichender und unregelmäßiger Schlaf oder bestimmte Bewegungen können auf vielerlei Krankheiten wie Depressionen, Diabetes, Schlafapnoe oder Restless-Legs-Syndrom hinweisen. „Um zu einer besseren Diagnose beizutragen, könnten Systeme, die den Schlaf analysieren, hilfreich sein“, erklärt Kyandoghere Kyamakya, der gemeinsam mit Vahid Tavakkoli (beide Institut für Intelligente Systemtechnologien an der Universität Klagenfurt) sowie Simon McClatchie, Maximilian Arbeiter und Bart G. Scholte van Mast (P.SYS system creation KG) dazu eine aktuelle Publikation im Journal Sensors veröffentlicht hat.
Die Entwicklung solcher Systeme steht im Wesentlichen vor zwei Herausforderungen: Einerseits werden möglichst wenig invasive Sensoren benötigt, die die Schlafqualität messen können und entsprechende Daten liefern. Neben Wearables wie intelligenten Uhren und Fitness-Trackern sind es beispielsweise Schlafüberwachungsgürtel, intelligente Bettlaken, Matratzen und Kissen, Schlafüberwachungsgeräte auf und unter der Matratze bzw. neben dem Bett und kamerabasierte Systeme im Zimmer, die zum Einsatz kommen. „Von besonderem Interesse könnten Sensoren sein, die unter jedem der vier Bettbeine angebracht sind und so in der Lage sind, eine Vielzahl von Variablen zu messen, die mit allen Formen der körperlichen Aktivität im Bett zusammenhängen“, erklärt Kyandoghere Kyamakya.
Die zweite große Herausforderung ist das Anlernen eines solchen Systems an die Benutzer*in. Kyandoghere Kyamakya erläutert: „Ein Kleinkind schläft anders als eine sehr alte oder kranke Person. Ein sportlicher Mann schläft auch anders als eine Frau knapp vor der Entbindung. Das System muss also mit statistischen Methoden aus einem Datenpool intelligent lernen können, wann jemand ‚normal‘ schläft und welche Daten dann in der Folge auf eine von der Norm abweichende Situation hinweisen könnten.“ In dem vorliegenden Paper hat sich die Forschungsgruppe vor allem mit Konzepten von Anomalien und deren Entdeckung befasst. Das Ergebnis ist ein realistisches Pflichtenheft für die technische Entwicklung von solchen Überwachungssystemen, die normabweichendes Verhalten erkennen können.
Das Forschungsteam des Instituts für Intelligente Systemtechnologien arbeitet in diesem Projekt intensiv mit dem Unternehmen P.SYS system creation KG aus Villach zusammen. Die selbstlernenden Systeme von P.SYS finden beispielsweise Anwendung im Bereich der Active Assisted Living und als Unterstützungssystem in Alten- oder Behindertenpflegeheimen.
Wissenschaftlicher Ansprechpartner:
Univ.-Prof. Dr.-Ing. Kyandoghere Kyamakya
+43 463 2700 3540
kyandoghere.kyamakya@aau.at
Originalpublikation:
K. Kyamakya, V. Tavakkoli, S. McClatchie, M. Arbeiter & B. G. Scholte van Mast (2022). A Comprehensive “Real-World Constraints”-Aware Requirements Engineering Related Assessment and a Critical State-of-the-Art Review of the Monitoring of Humans in Bed. 22(16), 6279; https://doi.org/10.3390/s22166279.
Die semantisch ähnlichsten Pressemitteilungen im idw
