TEX-hype
TEX-Hype (TEXtile integrated HYbrid Printed Electronics) zielt auf die Entwicklung neuartiger Technologien für intelligente Textilien ab. Diese ermöglichen eine nahtlose Integration von Elektronik und Sensorik zum Monitoring der Vitalfunktionen von Patient:innen.
TEX-hype ist ein Projekt zur Verbesserung des Integrationsgrades von Elektronik in Textilien, wie zum Beispiel Kleidungsstücken. Ein hybrider Ansatz wird dabei verfolgt: Erforscht werden mechanisch flexible und dehnbare Substrate, die das Einbringen von Elektronik in Textilprodukte so ermöglichen, dass ihre typisch elastische Natur erhalten bleibt. Dazu entwickeln wir ein Verfahren zum hybriden Drucken von Elektronik, das auf große Flächen skaliert werden kann und Methoden verwendet, die bereits mit der Textilindustrie kompatibel sind. Das elektronische System umfasst die Erfassung relevanter physiologischer Parameter und deren Klassifizierung sowie die Vorhersage des gesundheitlichen Verlaufs. Durch die anschließende Entwicklung von Frühwarnalarmen wird die Einleitung angemessener Reaktionen durch das Gesundheitssystem ermöglicht. Inkludiert werden außerdem webbasierte grafische Schnittstellen bzw. Modelle für ein prädiktiv klinisches Entscheidungsunterstützungssystem (Clinical Decision Support, CDS).
Unter vollständiger Nutzung der entwickelten Technologien und Prozesse möchten wir die Herstellbarkeit, Waschbarkeit und Funktionalität in einem medizinischen Versorgungsszenario mit einem enormen wirtschaftlichen Potenzial demonstrieren.
Aufgaben des LBI DHPS im Projekt
-
Open Innovation in Science (OIS)
Mit Hilfe von OIS-Strategien sollen Planung und Konzeptualisierung des Demonstrators strukturiert gestaltet werden. Der Aufgabenbereich besteht beispielsweise in der Erstellung einer Stakeholder-Community, bestehend aus den wichtigsten involvierten Personengruppen. Damit wird ein stetiger Austauschprozess ermöglicht und ein Demonstrator entworfen, der möglichst auf die Bedürfnisse der Zielgruppe abgestimmt ist.
-
Clinical Decision Support (CDS)
Die Interpretation der gemessenen Parameter wird in Kooperation mit dem Zentrum für Medizinische Physik und Biomedizinische Technik der Medizinischen Universität Wien erfolgen. Es wird ein Machine Learning Algorithmus entwickelt, um die Realisierung einer intelligenten Patientenüberwachung, die den Aufwand für die klinische Überwachung verringern und klinische Entscheidungen für eine bessere Patientenbehandlung zu unterstützen. Dabei werden neueste KI-Algorithmen mit erhobenen Trainingsdaten angewendet und genau auf die gewünschten Anforderungen des Projekts angepasst.
Projektpartner
- Profactor: https://www.profactor.at/
- Austrian Institute of Technology: https://www.ait.ac.at/
- Silicon Austria Labs: https://silicon-austria-labs.com/
- Medizinische Universität Wien: https://www.meduniwien.ac.at/web/
- NXP Semiconductors: https://www.nxp.com/
- Caritas Erzdiözese Wien: https://www.caritas-wien.at/
- Kobleder GmbH: https://kobleder.at/de/
- Aeoon Technologies GmbH: https://aeoon.com/
- Forster Rohner AG: https://www.forsterrohner.com/