Forscherinnen und Forscher an der University of Missouri testen ein System, das Heim‑Sensorik mit künstlicher Intelligenz verbindet, um funktionelle Veränderungen bei Menschen mit amyotropher Lateralsklerose (ALS) kontinuierlich zu überwachen. Bill Janes, ein staatlich geprüfter Ergotherapeut, leitet die Arbeit und passt die Sensortechnik an die besonderen Bedürfnisse von Menschen mit ALS an. Die Geräte stammen ursprünglich aus Projekten zur Überwachung älterer Menschen.
Zwei kleine Boxen senden die Sensorsignale drahtlos und sicher an Universitätsrechner. Datenwissenschaftler nutzen Maschinelles Lernen, um Modelle zu entwickeln, die den ALSFRS‑R‑Score schätzen; diese klinische Skala bewertet Alltagsfähigkeiten wie Gehen, Sprechen, Schlucken und Atmen. Das Team prüft aktuell, ob die Sensordaten die tatsächlichen Veränderungen der Alltagsfunktion genau widerspiegeln.
Noah Marchal leitet die datenwissenschaftliche Arbeit, zusammen mit seinem Betreuer Xing Song. Das Ziel ist, frühe Warnzeichen zu erkennen, etwa veränderten Gang oder Atmung, die zu Sturz oder Krankenhausaufenthalt führen könnten. Später soll das prädiktive Modell in die klinischen Abläufe eingebunden werden; bei einem besorgniserregenden Rückgang könnten Klinikpersonen alarmiert werden und Maßnahmen prüfen.
- Beim Patienten nachfragen
- Medikamente anpassen
- Hilfsmittel empfehlen
- weitere Behandlung vorschlagen
Erste Rückmeldungen von Familien sind positiv, und Forschende sehen Potenzial für andere chronische Erkrankungen wie Parkinson oder Herzinsuffizienz. Die Studie erscheint in Frontiers in Digital Health und wurde von der University of Missouri berichtet.
Schwierige Wörter
- Heim‑Sensorik — Technik mit Sensoren zur Messung von Signalen
- künstlicher Intelligenz — Programme, die aus Daten lernen und Entscheidungen treffen
- maschinelles Lernen — Verfahren, bei dem Computer aus Daten Muster lernen
- ergotherapeut — Fachperson, die Alltagshilfe und Therapien organisiert
- kontinuierlich — ohne große Unterbrechungen fortlaufend über Zeit
- prädiktive Modell — auf Vorhersage basierend, künftige Ereignisse signalisierend
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Vor- und Nachteile sehen Sie darin, Alltagsdaten von zu Hause für die Überwachung einer Krankheit zu verwenden?
- Wie könnten Angehörige positiv oder negativ auf ein kontinuierliches Überwachungssystem reagieren?
- Inwiefern könnte dieselbe Sensortechnik für andere chronische Erkrankungen nützlich sein? Nennen Sie Beispiele und Gründe.
Verwandte Artikel
Dopamin stärkt motorisches Lernen im Schlaf
Eine Studie zeigt, dass bestimmte Dopaminneuronen kurz nach dem Erlernen neuer Bewegungen im Non‑REM‑Schlaf aktiv werden. Die synchronisierte Aktivität mit Schlafspindeln stärkt motorische Erinnerungen und verbessert die Leistung nach dem Schlaf.
VillainNet: Sicherheitslücke bei selbstfahrenden Autos
Forscher entdeckten die Hintertür VillainNet, die Supernetzwerke in autonomen Fahrsystemen ausnutzen kann. Aktiviert könnte sie Angreifern erlauben, Fahrzeuge zu übernehmen; die Studie stammt von Georgia Tech und wurde im Oktober 2025 vorgestellt.
Taurin kann Leukämie fördern und Knochen schwächen
Forscher berichten, dass Taurin Leukämiezellen antreiben und gleichzeitig die Knochen schwächen kann. Labor- und Mausversuche zeigen, dass Zellen im Knochenmark um Taurin konkurrieren; Menschen mit Krebs sollen vor Ergänzungen mit ihrem Onkologen sprechen.
Kartierung findet verbleibende Schistosomiasis-Hotspots bis auf Haushaltebene
Eine 13 Jahre lange Studie in Südwestchina zeigt: präzise Kartierung und KI können Orte mit verbliebener Schistosomiasis bis zum Haushalt finden. Expertinnen und Experten betonen, dass Überwachung, Sanitärversorgung und Änderungen in Praktiken nötig sind.