zum Inhalt springen
Powered by

App ins Traumland: Forschergruppe entwickelt personalisiertes System für gesunden Schlaf

Gute Schlafqualität steht in engem Zusammenhang mit Gesundheit, Wohlbefinden und Lebensqualität. Doch immer mehr Menschen haben heute Schwierigkeiten, den Weg in die erholsame Nachtruhe zu finden. Eine Forschergruppe der Hochschule Konstanz Technik, Wirtschaft und Gestaltung (HTWG), der FHS St. Gallen, der Fachhochschule Vorarlberg und anderer Projektpartner entwickelt deshalb jetzt ein Smartphone-basiertes Gesundheitssystem, das eine personalisierte Datenanalyse für einen gesunden Schlaf realisieren soll.

Prof. Dr. Ulrich Reimer von der FHS St.Gallen ist der Leiter des grenzüberschreitenden Projekts © privat

Das Phänomen ist vielen Menschen bekannt: Trotz eines langen und anstrengenden Tages will sich der Schlaf am Abend einfach nicht einstellen. Dass gesunder Schlaf vielen Menschen aber ein großes Bedürfnis ist, haben verschiedene Softwareanbieter mittlerweile erkannt und Apps zur Überwachung des Schlafes auf den Markt gebracht. Diese Apps arbeiten meist mit einfachen Sensoren, die die Bewegungen während der Nacht aufzeichnen. Daraus ergeben sich Anhaltspunkte über die einzelnen Schlafphasen, aus denen dann die am besten geeignete Zeit zum Aufwachen abgeleitet wird. Tatsächliche Schlafanalyse können die Apps dabei nur sehr oberflächlich leisten. Denn sie analysieren lediglich Bewegungsdaten, die während des Schlafes gesammelt werden. Was die Anwendungen bislang nicht können, ist eine detaillierte und personalisierte Auswertung von zusätzlichen Daten wie zum Beispiel sportliche Aktivitäten oder psychischer Stress, die den Schlaf bereits vor dem zu Bett gehen beeinflussen.

Hier setzt ein gemeinsames Projekt der HTWG Konstanz, der Fachhochschule St. Gallen, des Forschungszentrums für Prozess- und Produkt-Engineering der Fachhochschule Vorarlberg sowie des Schlaflabors der Klinik Barmelweid an. „Bei unserem Vorgängerprojekt 'SmartCoping' ging es darum, ein System zum Smartphone-basierten Erkennen von Stress zu entwickeln. Der Stresspegel hat einen hohen Einfluss auf das Schlafverhalten, weshalb Stresserkennung und -vermeidung einen positiven Einfluss auf den Schlaf haben", erklärt der Leiter des Projekts Prof. Dr. Ulrich Reimer vom Institut für Informations- und Prozessmanagement der FHS St. Gallen. So wurde die Idee geboren, die Erfahrungen mit der Stresserkennung und der Sensibilisierung der Benutzer dafür, in welchen Situationen sie besonders häufig Stress haben, auf das Thema Schlaf auszuweiten.

Sensoren messen Daten bei Tag und in der Nacht

Das Projekt mit dem Titel „SmartSleep", das im Herbst 2014 begonnen hat und zwei Jahre laufen wird, setzt deshalb bei einer ganzheitlichen Analyse verschiedener Daten an, die sowohl am Tag als auch in der Nacht gesammelt werden. Dazu kommen verschiedene Sensoren zum Einsatz, die Vitaldaten wie Herzrate und Hauttemperatur, aber auch weitere Daten wie Bewegungsaktivität und Lichtverhältnisse messen. Die aus den Tagesaktivitäten und dem Schlafverhalten gesammelten Daten werden auf signifikante Zusammenhänge hin analysiert. So sollen potenzielle positive wie negative Einflussfaktoren auf die Schlafqualität identifiziert werden.

Damit wird das System eines der ersten sein, das Daten von mobilen Sensoren aufzeichnet, darauf aufbauend komplexe Analysen durchführt und die sowohl während der Schlafphase als auch am Tag gesammelten Daten miteinander in Verbindung setzt. Hilfreich ist dabei die Zusammenarbeit der verschiedenen Projektpartner, die ihr unterschiedliches Know-how in das neue System einfließen lassen. Das Labor Ubiquitous Computering der HTWG Konstanz (UC-Lab) fokussiert sich auf die Integration der Sensorendatenströme und entwickelt mit Hilfe spezieller Algorithmen ein Mustererkennungsverfahren, das Verhaltensmuster in Echtzeit erkennt und dem Nutzer Rückmeldung über sein Verhalten geben kann. Anknüpfend daran ist das Institut für Informations- und Prozessmanagement der FHS St. Gallen (IPM) für die Visualisierung gefundener Zusammenhänge und Muster in den Daten verantwortlich. Das IPM kümmert sich darüber hinaus um das Gesamtszenario des zu entwickelnden Systems. Das Forschungszentrum für Prozess- und Produktengineering der Fachhochschule Vorarlberg legt den Fokus auf die Erkennung von Aktivitätstypen, sodass höherwertige Kriterien („Features") für die Mustererkennung zu Verfügung stehen. Dadurch lassen sich, so die Annahme, adäquatere Muster ableiten. Die klinischen Studien, die das Projekt begleiten, werden vom Schlaflabor der Klink Barmelweid durchgeführt. Dabei ist insbesondere die Kalibrierung der aus den Sensordaten abgeleiteten Muster mit den Messungen im Schlaflabor wichtig.

Individuelles Verhalten in die Analyse einbeziehen

Die personalisierte Health-App SmartSleep soll die für den Schlaf relevanten Daten bei Tag sowie in der Nacht messen. © pixabay

„Das Thema Schlaf ist sehr komplex, weshalb etliche Fragen dazu in der Wissenschaft bisher nur unzureichend beantwortet werden konnten. Sicher ist aber, dass es sehr vielfältige Ursachen und individuelle Belastungsfaktoren gibt, die dazu führen, dass sich der Schlaf nicht wie gewünscht einstellt", weiß Reimer. Neben einem hektischen Lebensstil  und mentaler Überlastung durch überfordernden TV-Konsum sind es oft auch klassische Parameter wie Temperatur, Geräusche oder Lichtverhältnisse im Schlafzimmer, die viele Menschen nicht schlafen lassen.

Durch die Überwachung dieser Einflussfaktoren sowie deren Analyse durch Data-Mining-Algorithmen lassen sich für den einzelnen Benutzer mögliche Zusammenhänge zwischen dem eigenen Verhalten, den Umgebungsbedingungen und der Schlafqualität herausfinden. Daraus ergeben sich wertvolle Hinweise, wie die betroffenen Personen ihren Schlaf durch Verhaltensänderung verbessern können. Anpassungen des Verhaltens können anschließend durch Messung der daraus resultierenden Schlafqualität einfach auf ihre Wirksamkeit hin überprüft werden. Die durch diese Datenanalyse gefundenen Zusammenhänge sind individuell. Was für eine Person ein schlafförderndes Verhalten sein kann, zum Beispiel ein Spaziergang am Abend, ist für eine andere Person möglicherweise hinderlich. SmartSleep fokussiert sich deshalb auf das Erkennen von individuellen Zusammenhängen für einzelne Personen und nicht auf statistische Relationen in einer Population.

Entwicklung eines zukunftsweisenden Prototyps

Das Projekt soll grundlegende Erkenntnisse darüber liefern, wie sich der Einsatz von Datenanalyse-Algorithmen in mobilen eHealth-Systemen positiv auf das Schlafverhalten der Benutzer auswirken kann. Dabei geht es nicht darum, ein fertiges, vermarktbares System zu konzipieren. Es soll zunächst ein Prototyp entwickelt und gezeigt werden, dass das Konzept durchführbar und sinnvoll ist. Erst ein umfangreicheres Folgeprojekt soll im Anschluss die Ergebnisse der SmartSleep-Studie zu einem einsetzbaren System weiterentwickeln. „Darüber hinaus ist für die Zukunft eine Generalisierung geplant, sodass das System auch auf andere verhaltensbedingte Krankheiten angewendet werden kann", so Reimer. Unterschiedliche Krankheitsbilder erfordern zwar unterschiedliche Herangehensweisen und Methoden,  jedoch ist die Kombination mobiler Sensoren für gesundheitsrelevante Vital- und Kontextdaten mit einer Datenanalyse-Komponente auch für andere Anwendungsbereiche einsetzbar. Deshalb soll das System in einem zweiten Schritt weiterentwickelt und wiederverwendet werden, um zum Beispiel für Erkrankungen wie Essstörungen, Stress, Burn-out oder Depression eingesetzt zu werden. Damit werden sich die Projektpartner in der Zukunft noch auseinandersetzen.

Seiten-Adresse: https://www.gesundheitsindustrie-bw.de/fachbeitrag/aktuell/app-ins-traumland-forschergruppe-entwickelt-personalisiertes-system-fuer-gesunden-schlaf