Ein Forscherteam der Universität New South Wales (UNSW) in Sydney hat den AusculPatch entwickelt, einen hochsensiblen Tragesensor zur kontinuierlichen Überwachung von Herz- und Lungentätigkeit. Mit einem Gewicht von lediglich 3,2 Gramm und den Abmessungen 20 mal 47 mal 3 Millimeter lässt sich das flexible Pflaster mittels medizinischem Klebeband direkt am Brustkorb oder über periphere Arterien befestigen. Die Ergebnisse der Proof-of-Concept-Studie wurden kürzlich im Fachjournal Nature Communications veröffentlicht. Das Kernstück der Technologie ist ein ultradünnes Silizium-Sensorelement, das mechanische Vibrationen des Gewebes und der Körperflüssigkeiten erfasst. Im Gegensatz zu herkömmlichen Mikrofonen detektiert der Sensor ausschließlich niederfrequente Schallwellen, die von Herzschlägen, Atemmustern, Pulswellen und Blutflussbewegungen ausgehen. Durch eine gerichtete Schallschirmung wird Umgebungsgeräuschen effektiv unterdrückt. In ersten Tests unter realistischen Bedingungen, etwa während körperlicher Aktivität oder in lauten Umgebungen, lieferten die Messdaten eine hohe Übereinstimmung mit klinischen Standardgeräten wie EKGs, Ultraschalluntersuchungen und digitalen Stethoskopen. Ziel der Entwicklung ist es, die traditionelle Kurzzeituntersuchung in der Praxis durch eine lückenlose Fernüberwachung zu ersetzen. Associate Professor Hoang-Phuong Phan, leitender Autor der Studie, betont, dass insbesondere Patienten in ländlichen Regionen oder Personen mit eingeschränkter Mobilität von einer kontinuierlichen Datenerfassung zu Hause profitieren würden. Aktuelle klinische Untersuchungen erfassen Pathologien oft nur innerhalb eines zeitlich begrenzten Fensters von etwa 15 Minuten, wodurch sich beginnende Erkrankungen häufig verschlechtern, bevor sie diagnostiziert werden. Die neue Technologie ermöglicht es Kliniken, kritische Veränderungen frühzeitig zu erkennen und Gegenmaßnahmen einzuleiten. Ein wesentlicher Zukunftsfaktor der Plattform liegt in der Kopplung mit künstlicher Intelligenz. Da der Sensor kontinuierlich große Datenmengen generiert, sollen Machine-Learning-Algorithmen Muster erkennen, die auf eine Verschlechterung des Gesundheitszustands hindeuten, und automatisch ärztliches Personal benachrichtigen, noch bevor der Patient schwerwiegende Symptome verspürt. Darüber hinaus deuten frühe Experimente darauf hin, dass die Sensorik zudem Stimmvibrationsmuster erfassen und zur Steuerung externer Geräte genutzt werden könnte, was potenzielle Anwendungen bei Sprach- oder Mobilitätsstörungen eröffnet. Die Forschergruppe plant, die klinische Validierung noch in diesem Jahr auf rund 200 Patientinnen und Patienten mit Herzklappenerkrankungen oder implantierbaren Herzunterstützungssystemen zu erweitern. Langfristig sind Studien mit etwa 1.000 Teilnehmenden vorgesehen, um die diagnostische Zuverlässigkeit der KI-gestützten Auswertungen zu bestätigen. Eine Zulassung als Medizinprodukt wird voraussichtlich vier bis fünf Jahre in Anspruch nehmen. Parallel dazu prüfen die Entwickler die Markteinführung einer verbraucherorientierten Wellness-Variante, die den Zugang zur präventiven Gesundheitsüberwachung demokratisieren soll.