Zurück zur vorherigen Seite

Maßgeschneiderte E-Health-Interventionen für Verhaltensänderungen. Unser Ziel ist es, eine Methodik für personalisierte Gesundheit zu entwickeln, die es ermöglicht, ein Profil von Patienten zu erstellen, um sie während eines Verhaltensänderungsprogramms gezielt zu unterstützen.

chatbotsmoking

Die Verbesserung der Lebensqualität und die Verringerung von Gesundheitsrisiken sind zunehmend wichtige Anliegen in unserer Gesellschaft. In verschiedenen Situationen, z. B. beim Vorliegen chronischer Krankheiten oder dem Wunsch, gesündere tägliche Gewohnheiten anzunehmen (z. B. in Bezug auf Ernährung, körperliche Bewegung usw.), sind diese Verbesserungen nur möglich, wenn auch eine wirksame Verhaltensänderung herbeigeführt wird. Diese Veränderung kann von kleinen Änderungen der täglichen Routine bis hin zu radikalen Änderungen des Lebensstils reichen. Es hat sich gezeigt, dass personalisierte Interventionen von entscheidender Bedeutung sind, um die Wirksamkeit der Verhaltensänderung und damit die für ein bestimmtes Programm festgelegten Endziele zu maximieren. Maßgeschneiderte Programme sind heute möglich, auch dank der Fortschritte in der persönlichen Datenanalyse und der personalisierten digitalen Gesundheit. Es gibt verschiedene Modelle zur Beschreibung von Strategien und Maßnahmen zur Verhaltensänderung (z. B. das HAPA-Modell (Schwarzer et al., 2011) und das I-Change-Modell (De Vries et al., 2005)), und es wurden verschiedene technologische Lösungen (elektronische Gesundheitsdienste, mHealth, Serious Games, Erinnerungshilfen, Chatbots, soziale Netzwerke) für verschiedene Anwendungsfälle entwickelt (Diabetes, Raucherentwöhnung, Übergewicht, aktives Altern, Rehabilitation, Wiederanpassung usw.).

Der Aufwand, der für die Anpassung dieser Modelle an die geeigneten Technologien in einem bestimmten Anwendungsfall erforderlich ist, ist jedoch nach wie vor unerschwinglich und führt zu ineffektiven oder partiellen Implementierungen mit wenig oder unvollständigen Personalisierungsmaßnahmen. Infolgedessen gibt es keine klare Methodik, die es ermöglicht, das Profil eines Patienten effektiv zu modellieren, um Techniken der künstlichen Intelligenz (KI) zur Anpassung und Personalisierung von Behandlungen, Empfehlungen und anderen gesundheitsbezogenen Maßnahmen einzusetzen. Auch wenn verschiedene digitale Lösungen und KI-Techniken nachweislich zu einer deutlichen Verbesserung der personalisierten Behandlungen führen, bleibt es daher eine Herausforderung, diese Methoden wiederzuverwenden und auf andere Anwendungsfälle anzuwenden oder einen klar definierten Arbeitsablauf für die Ermöglichung von auf den Patienten zugeschnittenen Interventionen zu schaffen.

Mit diesem Projekt wollen wir einen methodischen Ansatz entwickeln, der auf systematische Weise die verschiedenen Schritte für die Umsetzung eines personalisierten E-Health-Programms festlegt und dabei bestehende KI-Techniken anpasst und Software-Bausteine wiederverwendet, die ein Profiling und gezielte Interventionen ermöglichen. Die Notwendigkeit für die Entwicklung dieses methodischen Ansatzes ergibt sich aus unserer Erfahrung in der Gesundheitsüberwachung sowie aus der Beteiligung und den Diskussionen mit mehreren Unternehmen, Gesundheitsdienstleistern und Forschern im Bereich eHealth. Das PROFILES-Projekt wird es uns ermöglichen, neue Forschungsanträge sowohl auf nationaler als auch auf internationaler Ebene zu stellen.

Das Hauptziel des Projekts ist die Untersuchung und Entwicklung einer Methodik zur Modellierung von Patientenprofilen, damit diese in KI-Techniken eingespeist werden können, um personalisierte, auf Verhaltensänderungen abzielende Interventionen anzubieten. Wir argumentieren, dass diese Methodik in verschiedenen Szenarien wiederverwendet werden könnte, sogar bei verschiedenen Krankheiten oder Gesundheitsproblemen und verschiedenen Arten von Interventionen. Die Methodik sollte sich auf ein Benutzerprofil konzentrieren und darauf, wie die Merkmale und Parameter definiert werden können, die für den Einsatz von KI-Techniken wichtig sind. Sie sollte auch bei der Auswahl der geeigneten KI-Techniken (maschinelle Lernmethoden, Klassifizierungsalgorithmen usw.) und der Art der Interventionen helfen, je nach Art des Anwendungsfalls und der festgelegten Anforderungen. Schließlich sollte die Methodik auch die Definition von Metriken ermöglichen, die zur Bewertung des Gesamtverfahrens verwendet werden.