Smart Home Labs sind technische Umgebungen, die möglichst nahe an reale häusliche Umgebungen angepasst und zugleich mit einer Vielzahl von Sensoren, Überwachungsgeräten und vernetzten Systemen ausgestattet sind. Sie können Daten über die täglichen Aktivitäten, Verhaltensveränderungen und das Wohlbefinden von Menschen mit somatischen oder psychischen Erkrankungen sammeln und analysieren. Sie erlauben die Entwicklung und Evaluation neuer digitaler Assistenzsysteme und Gesundheitsapplikationen. Eine Besonderheit ist die Möglichkeit, die Betroffenen aktiv in den Gestaltungsprozess neuer Technologien einzubeziehen und durch die Wohnraum-nahe Gestaltung ökologisch valide, d.h. in den Alltag transferierbare Daten, zu gewinnen. Das AGIS-geförderte Projekt „Entwicklung eines modularen Home-Monitoring Systems in einem Smart-Home-Lab“ unterstützt in diesem Zusammenhang die datenbasierte individualisierte Technologieentwicklung. Für spezifische Erkrankungsbilder können Therapie-Monitoringsysteme entwickelt werden, die Patienten und Behandler über die Versorgungsgrenzen hinweg verbinden und eine Anpassung von Diagnostik und Therapien aus der stationären Vollversorgung bis in die Häuslichkeit ermöglichen. Hierbei kommen interdisziplinäre Methoden der digitalen Sensorik, KI-basierten Datenverarbeitung, multimodaler Verhaltenserfassung und medizinischer Versorgungsforschung sowie partizipativer Forschungsmethoden zusammen. 

Operatives Projektziel ist der modulare schrittweise Aufbau einer Smart-Home-Lab-Infrastruktur mit mittelfristiger Integration in eine mit Mitteln der Helmholtzstrukturförderung finanzierte Clinical Trial Unit mit Smart-Home Lab des DZNE an der Universitätsmedizin Rostock, um multimodal Gesundheitsdaten und Alltagsverhalten von Patienten zu erfassen und gemeinsam mit den Betroffenen digitale Monitoring- und Assistenzsysteme zu entwickeln. 

Strukturell dient unterstützt das Smart-Home-Lab die interdisziplinäre Zusammenarbeit im Schwerpunkt HealthTech-Medicine innerhalb der UMR unter dem Dach des CTNR und zwischen UMR und Universität Rostock unter dem Dach von AGIS, und als Basis für die Einwerbung weiterer Mittel für Verbundvorhaben. 

Strategisch dient die Anwendung partizipativer Methoden gemeinsam mit Partnern aus der Universität Rostock und die Realisierung gemeinsamer Projekte mit lokalen Technologie- und KMU-Partnern der Stärkung des Forschungsschwerpunktes HealthTech-Medicine zusammen mit AGIS.

Contact: Prof. Dr. Thomas Kirste (Institut für Visual and Analytical Computing), Prof. Dr. Stefan Teipel (DZNE, KPM UMR), Dr. Doreen Görß (DZNE, KPM UMR), Prof. Dr. Michael Kölch (KJPP UMR), Prof. Dr. Carsten Spitzer (KPM UMR)

Erkrankungen des muskuloskelettalen Bewegungsapparats beeinträchtigen Knochen, Gelenke und Muskeln. Mit zunehmendem Alter steigen Inzidenz und Prävalenz dieser Erkrankungen, zu denen Osteoarthrose oder rheumatoide Arthritis gehören. Die Folgen können chronische Schmerzen, eine eingeschränkte Beweglichkeit und Funktionsverluste sein, welche die Lebensqualität erheblich beeinträchtigen. Das übergeordnete Ziel besteht darin, das gesunde Altern zu fördern, indem die Forschung sich mit den häufigen Erkrankungen des muskuloskelettalen Systems befasst und durch Präventionsmaßnahmen sowie frühzeitige Interventionen darauf abzielt, die Erkrankungslast zu reduzieren. Infolgedessen sind innovative technologische Lösungen nötig, um den Patienten und Patientinnen die Möglichkeit zur Selbstüberwachung des muskuloskelettalen Gesundheitszustands zu geben. Hierfür kann am Körper getragene Sensorik genutzt werden, um kontinuierlich Daten über Bewegung, Haltung und Aktivität zu sammeln. Mit Hilfe von Inferenzalgorithmen und künstlicher Intelligenz können so umfassende Informationen aus den gesammelten Daten extrahiert und der klinischen Praxis verfügbar gemacht werden. Hierbei könnten ebenso auf Exoskelette, tragbare äußere Strukturen am Körper, anwendungsspezifische Sensoren aufgebracht werden, um den Grad einer muskuloskelettalen Erkrankung zu bewerten und die Rehabilitation zu unterstützen. Im Rahmen des AGIS-geförderten Vorhabens soll vor diesem Hintergrund erprobt werden, inwieweit die mittels Luftdrucksensoren erfasste Höhe von Körpersegmenten eine geeignete Methode darstellt, um die Stellung von Körpersegmenten bzw. die Aktivität und Gelenkkinematik von Probanden und Probandinnen zu erfassen. Hierfür sollen die Sensordaten in Kombination mit der Mehrkörpersimulation auf Basis einer komplexen 3D-Bewegungsanalyse verglichen werden. Weiterhin sollen durch die erfassten Daten erste Untersuchungen unternommen werden, inwieweit Höheninformationen auf Basis von Luftdrucksensorsignalen die Genauigkeit von inertialen Messeinheit (IMU)-basierten Bewegungs- und Orientierungsdaten verbessern oder als Alternativen zu den IMU-Sensormodalitäten mit bisher sehr hohen Stromaufnahmen, konkret MEMS-Gyroskopen, dienen können. Dies soll die Grundlage schaffen, um zukünftig die Aktivitätserkennung- und Bewertung tragbaren Sensoren zu unterstützen und somit auch im Alltag zu integrieren. 

Contact: Prof. Dr. Rainer Bader, Dr. Märuan Kebbach (both Department of Orthopaedics), Dr. Florian Grützmacher, Prof. Dr. Christian Haubelt (both Institut für Angewandte Mikroelektronik und Datentechnik)

Virtual reality (VR) devices have become more prevalent and are expected to be adopted globally in everyday use, spanning leisure as well as work environments. Importantly, new devices come with advanced tracking capabilities, including accurate hand, face, and eye tracking. Thus, the wide-range adoption of such devices has the unprecedented potential to allow for a globally available, cost-effective, early warning system for dementia and Alzheimer's onset and may also include other diseases associated with cognitive decline. However, to enable the effectiveness and ensure broad usage of such early warning systems, they need to be seamlessly integrated into the users’ workflow and avoid disruption. Systems will be most effective by monitoring regular activities. Then, the warning system will be able to build a cognitive profile of the user and track the development of their cognitive capabilities. Similarly, the collected profiles can then be compared to users with similar usage patterns and compared against users with signs of cognitive decline. To enable the deduction of corresponding cognitive profiles and continuous update, evaluation, and classification of such profiles, computational methods are of the essence. This includes machine learning methods, e.g., behavior analysis algorithms similar to understanding the underlying processes of GPS tracks or actigraphy monitoring devices to understand behavioral profiles. Against this backdrop, the goal of the project is to build a VR sensor collection framework (ViBe) as well as an initial prototype for employing the data for user behavior analysis and prediction.

Contact: JProf. Dr. Martin Becker (Institute for Visual and Analytic Computing)

Seit 2018 wird am Lehrstuhl für Wirtschaftsinformatik bei Prof. Fellmann ein Empfehlungssystem entwickelt, das fundierte Empfehlungen, Interventionen oder Erinnerungen zur Verbesserung der Lebensführung generiert. Motivation hierfür ist die auch durch unzählige Studien untermauerte Beobachtung, dass der Alltag vieler Menschen von einem hohen Arbeitsaufkommen, Flexibilität, Entgrenzung von Arbeit und Leben und permanentem Zeitdruck geprägt ist. Zudem müssen Individuen wie etwa informell Pflegende oder Alleinerziehende oft viele verschiedene Lebensbereiche bewältigen, die alle um Aufmerksamkeit, Zeit und Energie konkurrieren. Daher ist es wichtig, die eigenen Ressourcen gut zu verwalten, um gesund und leistungsfähig zu bleiben und Ziele zu erreichen. Es gibt zwar viel Literatur zum Thema Selbstmanagement, aber hoch engagierte und belastete Menschen haben oft nicht die Zeit, um herauszufinden, was für sie relevant ist. Außerdem können Gewohnheiten die gewünschten Veränderungen behindern. Ziel des Systems ist es daher, Einzelpersonen mit personalisiertem Mikro-Coaching zu unterstützen, um vorhandenes Wissen in die Tat umzusetzen und sie zu positiven Lebensstiländerungen zu animieren. In Vorbereitung eines umfassenderen Drittmittelantrags verfolgt das AGIS-geförderte Projekts vor diesem Hintergrund zwei Ziele: 1) Aufbereitung von Wearable Recommenders zum Einsatz mit realen Probanden; 2) Identifikation relevanter Anwendungsfälle im Bereich der Versorgung von Patienten mit Demenz.

Project Poster: https://www.wibis.uni-rostock.de/storages/uni-rostock/Alle_IEF/Inf_WIBIS/poster/poster_wlr.pdf 

Contact: Prof. Dr. Michael Fellmann (Professorship in Business Informatics with a focus on "Business Information Systems")

Über Jahrzehnte hinweg besaßen japanische Frauen die höchste Lebenserwartung weltweit. Im Jahr 2016 wurde Japan von Hong Kong überholt. Nach Informationen der “Human Mortality Database” betrug der Vorsprung 0,62 Jahre im Jahr 2019. Es konnte noch nicht geklärt werden, weshalb Hong Kong nun eine höhere Lebenserwartung besitzt als alle anderen Länder der Erde. In einem Beitrag der US-amerikanischen National Academy of Medicine wurden verschiedene bekannte Determinanten der Lebenserwartung – wie beispielsweise das Einkommen – diskutiert und verworfen, aber auch eine Vermutung geäußert: „In Hong Kong, the majority of the older people were migrants from mainland China who likely survived war, famine, and hardships and migrated to Hong Kong during the post-WWII and Civil War period in the 1950s and 1960s. Thus, they might tend to be healthy and resilient.” (https://sosc.hkust.edu.hk/people/stuart-gietel-basten) Die hohe Lebenserwartung wäre demnach keine Folge eines herausragenden Gesundheitssystems, wie beispielsweise auch postuliert wurde. Stattdessen wäre die Zusammensetzung der Bevölkerung in Hong Kong ursächlich. Im AGIS-geförderten Projekt, das gemeinsam mit Professor Stuart Gietel-Basten (Hong Kong) durchgeführt wird, soll vor diesem Hintergrund die Hypothese überprüft werden, ob die Bevölkerungsstruktur ursächlich für die hohe Lebenserwartung in Hong Kong ist. Hierfür werden in einem ersten Schritt die notwendigen Daten vom Statistischen Amt Hong Kongs erworben und ausgewertet. Zuerst wird dabei überprüft, ob mittels der hochgerechneten Stichprobe zu denselben Ergebnissen für die Lebenserwartung der Gesamtbevölkerung wie in den offiziellen Schätzungen für Hong Kong gekommen werden kann. Danach werden wir die Sterblichkeit für die Einwohnerinnen und Einwohner von Hong Kong nach dem Geburtsland schätzen.

Contact: Prof. Dr. Roland Rau (Department for Sociology and Demography)