EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access · CC BY 4.0

KI in der Rehabilitation – Anwendung künstlicher mentaler Modelle für eine personalisierte Medizin

Sabine Janzen, Prajvi Saxena, Cicy Agnes, Wolfgang Maaß

Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz · 2025

DOI: 10.1007/s00103-025-04090-w ↗

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz, 2025. Verfasst von Sabine Janzen und 3 weiteren Autor:innen. Beteiligte Einrichtung: Smart Service Engineering, Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Stuhlsatzenhausweg 3, 66123, Saarbrücken, Deutschland. sabi…. Hauptthemen laut MEDLINE: Precision Medicine, Artificial Intelligence, Rehabilitation, Musculoskeletal Diseases. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 42 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Künstliche Intelligenz (KI) kann in der Prävention und Rehabilitation eine patient*innenzentrierte Versorgung unterstützen. In Deutschland wurden 2023 fast 1,9 Mio. Patient*innen in Rehaeinrichtungen behandelt, viele aufgrund von Erkrankungen des Muskel-Skelett-Systems. Der Erfolg einer Reha hängt von der Zusammenarbeit zwischen Patient*in, Arzt oder Ärztin und Therapeut*in sowie der aktiven Mitarbeit ab. Kognitive Einschränkungen, Sprachbarrieren und psychische Faktoren erschweren jedoch die Entscheidungsfindung und Kommunikation vieler Patient*innen. Dies führt zu unvollständigen oder verzerrten Daten und beeinträchtigt eine individualisierte Therapie. Ein Lösungsansatz besteht im Einsatz künstlicher mentaler Modelle (KMM), die unbekannte mentale Modelle von Patient*innen antizipieren. Diese Konzepte basieren auf kognitionswissenschaftlichen Theorien und World Models aus der KI. KMM können Therapieentscheidungen optimieren, Fehleinschätzungen korrigieren und so den Rehaerfolg steigern. Beispielsweise in der Knierehabilitation kann ein KI-Agent ermitteln, wie Patient*innen ihre Genesung wahrnehmen, und individuelle Anpassungen ermöglichen. Das BMFTR-Projekt „FedWell“ erforscht den Einsatz von KMM in der Rehabilitation. Ein diskriminierungsfreies Basismodell wurde mithilfe von Daten aus Online-Foren, Nutzer*innenstudien und maschinellen Lernmodellen entwickelt. Erste Ergebnisse zeigen, dass KI-gestützte Modelle individuelle Annahmen und Erwartungen von Patient*innen im Rehaprozess vorhersagen und personalisierte Therapien ermöglichen können. Dieser Beitrag stellt das Forschungsdesign des Projekts vor und berichtet erste Ergebnisse der initialen Erhebungsphase.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Precision MedicineArtificial IntelligenceRehabilitationMusculoskeletal DiseasesHumansGermanyPatient-Centered CareMachine Learning

Stichwörter der Autor:innen

Data-driven decision supportKnee rehabilitationLarge Language Models (LLMs)Personalized therapy planningPsychological factors

Autor:innen und Institutionen

  • Smart Service Engineering, Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Stuhlsatzenhausweg 3, 66123, Saarbrücken, Deutschland. sabine.janzen@dfki.de.
  • Smart Service Engineering, Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Stuhlsatzenhausweg 3, 66123, Saarbrücken, Deutschland.

Zitieren

APA

Janzen, S., Saxena, P., Agnes, C., & Maaß, W. (2025). KI in der Rehabilitation – Anwendung künstlicher mentaler Modelle für eine personalisierte Medizin. Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz. https://doi.org/10.1007/s00103-025-04090-w

Vancouver

Janzen S, Saxena P, Agnes C, Maaß W. KI in der Rehabilitation – Anwendung künstlicher mentaler Modelle für eine personalisierte Medizin. Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz. 2025. doi:10.1007/s00103-025-04090-w

BibTeX
@article{Janzen2025,
  author = {Janzen, Sabine and Saxena, Prajvi and Agnes, Cicy and Maaß, Wolfgang},
  title = {KI in der Rehabilitation – Anwendung künstlicher mentaler Modelle für eine personalisierte Medizin},
  journal = {Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz},
  year = {2025},
  doi = {10.1007/s00103-025-04090-w}
}
Kostenlos starten →