Hintergrund & Ziel

Ein essenzieller Aspekt der Lehre im Rahmen des Medizinstudiums stellt das Erlernen und die Einübung der Erhebung des Befundes dar. Didaktisch werden dafür neben dem theoriebezogenen Unterricht Schauspielpatienten eingesetzt, um Situationen realitätsnah nachzustellen. Allerdings erfordern diese einen hohen organisatorischen und finanziellen Aufwand, der den Studierenden nur sehr begrenzte Übungsmöglichkeiten erlaubt.

In diesem Projekt wird untersucht, ob ein humanoider robotischer Simulationspatient zur selbstständigen Erhebung des Befundes und zur Diagnosestellung im Rahmen der medizinischen Ausbildung eingesetzt werden könnte. Das Training explorativer und diagnostischer Fähigkeiten könnte somit deutlich leichter, unproblematischer und gesteuert nach Intensität und Komplexität mittels eines entsprechend programmierten Roboterpatienten erfolgen. Der robotische Simulationspatient könnte somit als niedrigschwellige, orts- und zeitungebundene Trainingsalternative eine wertvolle Ergänzung zum klassischen Unterricht mit Schauspielern darstellen.

Insbesondere humanoide Roboter der neuen Generation stoßen im Gesundheits- und Bildungsbereich auf ein wachsendes Interesse, da sie aufgrund ihres menschenähnlichen Aussehens und ihrer sozial-interaktiven Fähigkeiten von Menschen schnell akzeptiert werden, was eine Kooperation mit ihnen erleichtert.

Ansatz

Die Kernidee des Ansatzes ist es, dass der robotische Simulationspatient über ein Modell mit hinterlegten Sequenzen entsprechend eines Krankheitsprofils individuell konfiguriert werden kann. So könnte der Lehrende das dargestellte Krankheitsbild variieren oder adaptieren, um einen neuen Patientenfall zu modellieren. Da so verschiedenste Symptome durch den Roboter kombiniert, modifiziert und variiert simuliert werden können, kann dieser eine sinnvolle Ergänzung zur Übung mit Schauspielpatienten_innen darstellen und Studierende in ihren Fähigkeiten stärken, insbesondere psychische oder demenzielle Erkrankungen zu identifizieren.

Weiterhin könnten so u.a. auch Krankheitsbilder kennengelernt werden, die sonst selten in den Kliniken zu finden sind. Durch das zunehmende sammeln und verarbeiten von Patientendaten lassen sich zudem digitale Datenprofile von Patienten erstellen, so lassen sich beispielsweise einzelne Patientenfälle durch die Robotersimulation rekonstruieren um diese besser zu analysieren.