Seitenpfad:

CARE REGIO – Machine Learning trifft auf Pflege

Universeller Einsatz durch Deep Learning

 
Informatik Interdisziplinär
Hochschule Augsburg

Projektbeschreibung

Das Projekt ist Teil des Verbundprojektes CARE REGIO. Im Rahmen des Teilprojekts "Digitalisierung des Pflegeüberleitungsberichtes (PÜB)" verfolgt das studentische Projekt die Anwendung von Deep Learning Techniken um die Standardisierung von PÜBs voranzutreiben.

 

Ziel des Verbundprojekts CARE REGIO ist es, nachhaltige Konzepte für eine digital unterstützte Pflege zu entwickeln.  Pflegekräfte und pflegende Angehörige sollen spürbar entlastet sowie Pflegebedürftige in ihrer Selbständigkeit unterstützt werden.

Im Rahmen dieses Projektes sollen unter anderem die Patientenüberleitungsberichte (kurz "PÜB") digitalisiert werden. Dabei handelt es sich die Berichte, welche eingesetzt werden, wenn Patienten zwischen verschiedenen Pflegeeinrichtungen verlegt werden. Diese Berichte beinhalten alle Informationen zum Patienten, damit die übernehmende Institution alle wichtigen Daten zum Patienten erhält. Bisher werden diese Berichte händisch geführt und in Papierform mit dem Patienten übergeben. Um diesen Vorgang zu vereinfachen und Fehlerquellen auszuschließen, soll dieser Vorgang nun digitalisiert werden.

Damit der Ansatz möglichst universell einsetzbar ist, sollen verschiedene Deep-Learning-Techniken angewendet werden. Ziel ist es, die Daten aus den PÜB’s auszulesen und in das PIO-Standard-Format zu übertragen.

Das im Auftrag der KBV von der mio42 GmbH entwickelte "Pflegeinformationsobjekt-Überleitungsbogen" (PIO) soll Daten von PÜBs digital und standardisiert abbilden können. Dieses Standardformat soll zur Speicherung von Patientendaten in der elektronischen Patientenakte (ePA) dienen und ab 2023 gesetzlich verpflichtend sein.

 

Betreuer:

  • Prof. Dr.-Ing. Alexandra Teynor
  • Matthias Regner
  • Sabahudin Balic

Kooperationspartner:

  • CARE REGIO

Studierende:

  • Daniel Glöttner
  • Dominik Koziol
  • Fabian Kopf
  • Julian Schanz
  • Matthias Moser
  • Maximilian Schunck
  • Philipp Schwab