Das Worcester Polytechnic Institute (WPI) leitet eine fünfjährige Studie, die untersucht, ob künstliche Intelligenz dazu beitragen kann, Patienten mit chronischen Schmerzen von potenziell süchtig machenden Opioiden zu achtsamkeitsbasierten Ansätzen zu lenken. Die von den National Institutes of Health finanzierte Studie wird maschinelles Lernen nutzen, um Hinweise in Patientendaten zu identifizieren, die Ärzten helfen könnten, besser zu bestimmen, wer am ehesten von der achtsamkeitsbasierten Stressreduktion (MBSR) profitiert. Die Studie fokussiert sich speziell auf chronische Rückenschmerzen in vielfältigen Bevölkerungsgruppen und nutzt physiologische Daten aus Fitnesssensoren von 350 Teilnehmern. Kombiniert mit selbstberichteten Informationen zu Depression, Angst, Schmerzen und sozialer Unterstützung, sollen Muster entdeckt werden, die Ärzte möglicherweise nicht bemerken. Diese Vorhersagefähigkeiten könnten Ärzten helfen, genauere Behandlungen für individuelle Patienten zu entwickeln. Die Studie könnte Ärzten ein mächtiges Werkzeug zur Verfügung stellen und erhebliche Kosten im Gesundheitswesen einsparen.
Kritische Erholungsphasen (critical recovery) nach Gelenkersatz
Diese randomisierte kontrollierte Studie untersucht die Effektivität und Kostenwirksamkeit eines Remote-Monitoring-Systems, das auf patientenberichtetem Outcome basiert, um kritische Erholungspunkte nach Gelenkersatzoperationen (Hüfte und Knie) zu erkennen. Das System soll dabei helfen, frühzeitig auf Komplikationen hinzuweisen und eine zeitnahe Intervention zu