Neue Technologien in der Dysphagiebehandlung. Eine Übersicht über den aktuellen Stand und die Entwicklung von telemedizinischen, appbasierten und künstlich intelligenten Technologien in der Behandlung von oropharyngealen Dysphagien

Studiengang Logopädie Bachelorarbeit Neue Technologien in der Dysphagiebehandlung Eine Übersicht über den aktuellen Stand und die Entwicklung von telemedizinischen, appbasierten und künstlich intelligenten Technologien in der Behandlung von oropharyngealen Dysphagien Eingereicht von: Damaris Rippmann Begleitperson: Dr. phil. Susanne Bauer Zweite Fachperson: Ramona Rüegg Datum der Abgabe: 14.02.2025 Abstract Bei der vorliegenden Bachelorarbeit handelt es sich um eine Literaturarbeit. Das Ziel ist es, einen Überblick über den aktuellen Stand und die Entwicklung von neuen Technologien in der Behandlung von oropharyngealen Dysphagien zu schaffen. Durch die freie Internetrecherche konnten drei Hauptkategorien an neuen Technologien identifiziert werden: Telemedizin, mobile Apps und Künstliche Intelligenz (KI). Ergänzend wurde eine gezielte Literaturrecherche in den Datenbanken «PubMed» und «SpeechBite» durchgeführt. Dabei wurden Studien aus den Jahren 2014 – 2024 zur telemedizinischen, appbasierten und künstlich intelligenten Dysphagiebehandlungen analysiert. In der Studienanalyse konnte nachgewiesen werden, dass die Telemedizin zur Dysphagiediagnostik und -therapie sowie zur interdisziplinären Zusammenarbeit vermehrt eingesetzt wird. Ein signifikanter Unterschied zur Face-to-Face-Modalität konnte nicht festgestellt werden. Mobile Apps für Dysphagie gibt es viele, jedoch sind nur wenige wissenschaftlich validiert. Die meisten Apps sind als digitales Übungsprogramm für zu Hause konzipiert und beinhalten teilweise Biofeedback-Elemente. Aktuell ist der Grossteil englischsprachig; deutschsprachige Apps befinden sich in der Entwicklung oder kurz vor der Veröffentlichung. Bei der Künstlichen Intelligenz können drei Hauptanwendungsbereiche unterschieden werden: Modelle, die bei einer Hospitalisierung die elektronische Gesundheitsakte auf Dysphagierisiken screenen, KI-gestützte Unterstützung bei der instrumentellen Dysphagiediagnostik und non-invasive Diagnostik von Dysphagien durch Stimmanalyse oder zervikale Auskultation. Wie diese Technologien erfolgreich in die Praxis implementiert werden, wird sich in Zukunft zeigen. Die Studienergebnisse zeigen, dass telemedizinische, appbasierte und künstlich intelligente Technologien grosses Potenzial haben, eine frühzeitige und optimale Dysphagiebehandlung sicherzustellen und dem Fachkräftemangel entgegenzuwirken. Sie unterstützen und ergänzen die Logopädinnen und Logopäden, ersetzen ihre Arbeit aber nicht. Inhalt 1. Einleitung .......................................................................................................................... 1 1.1 Problemstellung ........................................................................................................... 1 1.2 Fragestellung ............................................................................................................... 2 2. Dysphagie ......................................................................................................................... 3 2.1 Erscheinungsbild .......................................................................................................... 3 2.2 Ursachen ..................................................................................................................... 3 2.3 Diagnostik .................................................................................................................... 4 2.4 Therapie ...................................................................................................................... 5 3. Digitalisierung und neue Technologien .............................................................................. 6 3.1 Telemedizin ................................................................................................................. 6 3.2 Mobile App ................................................................................................................... 7 3.3 Künstliche Intelligenz ................................................................................................... 7 4. Methodik ............................................................................................................................ 9 4.1 Methodisches Vorgehen in der Literaturrecherche ....................................................... 9 4.2 Limitationen ................................................................................................................10 5. Darstellung der Ergebnisse ..............................................................................................12 5.1 Telemedizinische Anwendungen bei Dysphagie .........................................................12 5.2 Mobile Apps für Dysphagie .........................................................................................16 5.3 Künstliche Intelligenz in der Behandlung von Dysphagie ............................................19 6. Diskussion ........................................................................................................................26 7. Zusammenfassung ...........................................................................................................33 Literaturverzeichnis ..............................................................................................................35 Abbildungsverzeichnis ..........................................................................................................43 Tabellenverzeichnis ..............................................................................................................43 Anhang .................................................................................................................................44 1 1. Einleitung Das Smartphone ist aus dem Leben vieler Menschen kaum mehr wegzudenken. ChatGPT, der Chatbot, der mittels künstlicher Intelligenz menschenähnliche Inhalte generieren kann, hat mittlerweile etwa 100 Millionen aktive Nutzerinnen und Nutzer (Brandl & Ellis, 2023). Unsere Gesellschaft befindet sich in einem Wandel. Roboter und intelligente Systeme helfen im Haushalt und entlasten unseren Alltag (Bilda, 2017a). Bereits Mitte des zwanzigsten Jahrhunderts wurden Systeme entwickelt, die die Arbeit im Ingenieurswesen veränderten. Nur wenige Jahrzehnte später kam die Digitalisierung im Gesundheitswesen an (Hilbert & Paulus, 2018). Die Entwicklung von neuen Technologien und deren Interaktion mit dem Menschen ist ein Zukunftstrend, wobei sich nur schwer vorhersagen lässt, was in den nächsten Jahren noch alles möglich sein wird (Bilda, 2017a). Dabei sind im Gesundheitswesen zwei Techniktrends zu beobachten: Einerseits die Techniken mit direktem Patientenbezug (z. B. Telemonitoring, mHealth oder Operations-Roboter), andererseits solche, die ohne direkten Patientenkontakt im Hintergrund laufen (z. B. elektronische Patientenakten, Krankenhaus-Informationssysteme oder Bildarchivierungsund Kommunikationssysteme) (Bräutigam et al., 2017). Auch in der Logopädie wächst das Feld von neuen Technologien und Anwendungsmöglichkeiten (Bilda, 2021). 1.1 Problemstellung Neue Technologien unterstützten die Logopädie in Diagnostik, Therapie und Prävention. Es sind Hilfsmittel und Unterstützungssysteme, die der «Verbesserung der Sprachund Sprechfähigkeit, dem sprachgebunden Lernen und Wissenserwerb, der (formalen) Bildung und dem Alltagsmanagement, der interpersonalen Kommunikation, der Beziehungspflege und der sozialen Teilhabe dienen» (Ritterfeld & Hastall, 2017, S. 36). Den Anfang machte 1985 LingWare/STACH, eine computerbasierte Aphasietherapie-Software (Grießl & Stachowiak, 1994). Schon 2008 haben Sünderhauf, Rupp und Tesak die Effektivität von telemedizinischer Therapie bei Aphasie belegt. Auch für andere Störungsbilder werden neue Technologien genutzt. Zum Beispiel wird künstliche Intelligenz zur Automatisierung der Diagnostik und Auswertung von Spontansprachanalyse in der Kindersprache eingesetzt (Ehlert & Lüdtke, 2023). Neben telemedizinischen Ansätzen und künstlicher Intelligenz, zeigen sich auch Entwicklungen von Apps. Ein Beispiel hierfür ist die Entwicklung der App «Dys-Phappgy», eine digitale Unterstützung bei Schluckstörungen. Da gerade für dieses Störungsbild, erst wenige neue Technologien verfügbar sind, ist «Dys-Phappgy» von grosser Relevanz. Die Entwicklung dieser App hat das Interesse geweckt, mehr über neue Technologien bei der Behandlung von Dysphagie zu erfahren. Unerkannt und unbehandelt kann eine Dysphagie gesundheitliche und soziale Folgen haben. Die Kosten, die im Zusammenhang mit Dysphagien entstehen sind hoch (Eibl, 2019). Eine 2 möglichst frühe Intervention kann die negativen Folgen einer Dysphagie minimieren (Bosch et al., 2023). Die Gesellschaft wird immer älter und chronische Erkrankungen nehmen zu. Folglich steigt die Nachfrage nach logopädischer Therapie weiter. Neue Technologien stellen ein grosses Potenzial für die logopädische Versorgung dar (Bilda, 2017b). Gleichzeitig stellt der Fachkräftemangel die logopädische Versorgung vor grosse Herausforderungen (Hochschule für Gesundheit Bochum, 2024). Kerstin Bilda, Professorin für Logopädie mit Schwerpunkt Neurorehabilitation an der Hochschule für Gesundheit in Bochum, sagt in einem Interview: «Smarte Technologien wie Apps, KI und Teletherapie-Tools entstehen zwar, finden aber meist nicht den Weg in die Routinepraxis» (Hochschule für Gesundheit Bochum, 2024, S. 1). Die konventionelle Face-to-Face-Therapie wird weiterhin als Goldstandard gesehen. Es bestehen Zweifel und Unsicherheiten gegenüber neuen Technologien (Bilda, 2017b). Gerade die Dysphagie wird nach wie vor als «Hands-on-Thematik» verstanden und der Einsatz von neuen Technologien ist zögerlich (Frieg, 2017). 1.2 Fragestellung Für die Behandlung von Dysphagien wird viel Potenzial im Einsatz von künstlicher Intelligenz gesehen (Sejdić, Khalifa, Mahoney & Coyle, 2020). Ebenso liest man: «Eine technologiegestützte Dysphagietherapie mittels Videotraining oder technischer Erinnerungsund Unterstützungssysteme hätte sicherlich auch in Deutschland einen Mehrwert und könnte sich positiv auf das Therapieergebnis auswirken» (Frieg, 2017, S. 72). Nun stellt sich die Frage, wie dieser Mehrwert und das Potenzial in der Behandlung von Dysphagie aussieht und was in Zukunft zu erwarten ist. Die daraus hervorgehende Leitfrage für die vorliegende Bachelorarbeit lautet: Welche neuen Technologien werden bei der Behandlung von Dysphagie angewandt und welche Entwicklungen zeigen sich? Wie das vorangegangene Zitat von Kerstin Bilda aufzeigt, werden Apps, künstliche Intelligenzen und Teletherapie-Tools entwickelt. So stellt sich die Frage, wie diese drei genannten Technologien im Bereich der Dysphagie vertreten sind. Daraus ergibt sich eine Dreiteilung der Arbeit, mit folgenden Unterfragen: Welche telemedizinischen Anwendungen gibt es und welche Entwicklungen bei deren Einsatz in der Behandlung von Dysphagie zeigen sich? Welche appbasierten Anwendungen gibt es und welche Entwicklungen bei deren Einsatz in der Behandlung von Dysphagie zeigen sich? Welche künstlich intelligenten Anwendungen gibt es und welche Entwicklungen bei deren Einsatz in der Behandlung von Dysphagie zeigen sich? 3 2. Dysphagie «Die Dysphagie ist eine erworbene Störung des Schluckens» (Eibl, 2019, S. 364). Das Wort leitet sich vom griechischen «dys» = schlecht, krankhaft und «phagein» = fressen, schlucken ab (Frank, Pluschinski, Hofmayer & Duchac, 2021). 20 Prozent aller Patientinnen und Patienten im Krankenhaus sind von Dysphagie betroffen (Schröder-Morasch, 2014; zitiert nach Eibl, 2019). 2.1 Erscheinungsbild Dysphagien zeigen unterschiedliche Symptome und haben unterschiedliche Pathomechanismen. Die häufigsten werden nachfolgend kurz erläutert. Ein unkontrollierter Speichelfluss nennt man Drooling. Tritt es während der Nahrungsoder Flüssigkeitsaufnahme auf, spricht man von Leaking oder Pooling. Gelangen Nahrungsoder Flüssigkeitsanteile vor, während oder nach dem Schlucken in den Kehlkopfeingang oberhalb der Stimmlippen ist es Penetration. Dringt der Bolus unter die Stimmlippen, spricht man von Aspiration. Aspirationen sind gefährlich, da sie zu Lungenentzündungen führen können. Hustet der Patient oder die Patientin währenddessen nicht, handelt es sich um eine stille Aspiration. Diese kann klinisch nur vermutet werden. Bleiben nach dem Schlucken Bolusreste in Mund, Rachen oder Kehlkopf spricht man von Residuen. Je nach dem, wo sie auftreten, kann man auf zugrundeliegende Pathomechanismen schliessen (Eibl, 2019). Aspirationspneumonien, Malnutrition, Dehydration und eine Minderung der Lebensqualität können Folgen einer Dysphagie sein (Prosiegel & Weber, 2024). 2.2 Ursachen Der Schluckakt ist sehr komplex und viele Strukturen sind beteiligt. Entsprechend ist das Schlucken störanfällig. Dysphagien können verschiedene Ursachen haben. Am häufigsten liegt ein Schlaganfall zu Grunde. Weitere neurogene Ursachen können ein Schädel-HirnTrauma, Morbus Parkinson, Morbus Huntington, Multiple Sklerose, amyotrophe Lateralsklerose, das Guillain-Barré-Syndrom, Myasthenia gravis, Muskeldystrophien oder Hirntumore sein. Auch Demenzbetroffene, insbesondere bei Alzheimerdemenz, entwickeln im Krankheitsverlauf häufig Dysphagien. Weiter können Tumore im Kopfund Halsbereich zu strukturellen Dysphagien führen. Ebenfalls sind Patientinnen und Patienten bei einem langen Aufenthalt auf der Intensivstation mit künstlicher Beatmung oder Tracheotomie gefährdet, eine Dysphagie zu entwickeln. Presbyphagien sind altersbedingte Schluckstörungen. Die Prävalenz einer Schluckstörung bei Menschen über 65 Jahren ist hoch. Es kommt auch vor, dass Medikamente, wie Sedativa, Antidepressiva, Rheumamittel oder Neuroleptika eine Dysphagie begünstigen. Seltener treten psychogenen Dysphagien auf, diese Form sollte psychotherapeutisch behandelt werden. Kommt es zu Störungen in der ösophagealen Schluckphase, zum Beispiel auf Grund von Refluxkrankheit oder Zenker-Divertikel, spricht man von 4 ösophagealer Dysphagie. Sie ist dem Fachgebiet der Gastroenterologie zuzuordnen (Eibl, 2019). Bei einer oropharyngealen Dysphagie ist die Nahrungsaufnahme und der Transport im Mund-Rachen-Raum gestört (Frank et al., 2021). Der Fokus der vorliegenden Arbeit liegt auf oropharyngealen Dysphagien. 2.3 Diagnostik Die Diagnostik von Dysphagien erfolgt interdisziplinär. Neben Logopädinnen und Logopäden spielen auch Ärztinnen und Ärzte sowie das Pflegepersonal eine wichtige Rolle. Neben der Anamnese wird eine klinische Schluckuntersuchung durchgeführt. Sie hat das Ziel, die Schluckfunktion sowie am Schlucken beteiligte motorische und sensorische Funktionen, Strukturen und Organe zu überprüfen. Um möglichst schnell und unkompliziert Hinweise auf eine Dysphagie zu bekommen, gibt es Screening-Verfahren. Einige werden an dieser Stelle erläutert (Eibl, 2019). Der «Gugging Swallowing Screen» (GUSS) ist zweiteilig und eignet sich für Patientinnen und Patienten nach einem Schlaganfall. Zuerst wird die Vigilanz, die Hustenkraft und der Speichelschluck überprüft. Ist dies in Ordnung, werden anschliessend flüssige, breiige und feste Konsistenzen überprüft (Trapl, Enderle, Nowotny et al., 2007; zitiert nach Eibl, 2019, S. 385). Beim «Toronto Bedside Swallowing Screening Test» (TOR-BSST) wird zuerst die Stimmqualität, die Zungenbeweglichkeit und die Sensibilität der Rachenhinterwand getestet. Ist dies unauffällig, wird zehnmal fünf Milliliter Wasser geschluckt. Nach jedem Schluck werden die Stimmqualität und allfällige Reaktionen überprüft (Martino, Silver, Teasell et al., 2009; zitiert nach Eibl, 2019, S. 385f.). Der «EAT-10» ist ein Screening mittels eines Fragebogens. Zehn Fragen, die sich direkt auf das Schlucken beziehen, werden mit einer Antwortskala von 0 = kein Problem bis 4 = grosses Problem beantwortet (Belafsky, Mouadeb, Rees et al., 2008; zitiert nach Eibl, 2019, S. 386). Bei Auffälligkeiten sollte eine instrumentelle Diagnostik durchgeführt werden. Die flexible endoskopische Evaluation des Schluckens (FEES) und die Videofluoroskopie des Schluckens (VFSS) sind die wichtigsten Verfahren der instrumentellen Dysphagiediagnostik (Prosiegel, Weber & Braun, 2024a). Bei der FEES wird ein Endoskop durch die Nase in den Rachenraum vorgeschoben. Die Strukturen, die Sensibilität und die Schluckfunktion können überprüft werden, wobei nur die präund postdeglutitiven Schluckakte sichtbar sind, da es während dem Schlucken zum «White out» kommt. Die VFSS ist eine radiologische Untersuchung. Dabei kann der komplette Schluckakt von der oralen Vorbereitungsphase bis zum Übergang in den Mangen dargestellt werden. Die verschiedenen Konsistenzen werden mit einem Kontrastmittel angereichert, um sie sichtbar zu machen. Bei der VFSS ist der Patient oder die Patientin einer Strahlenbelastung ausgesetzt, weshalb sie so kurz wie möglich gehalten werden sollte (Eibl, 2019). 5 2.4 Therapie Das Ziel ist es immer, eine sichere und ausreichende Nahrungsund Flüssigkeitszufuhr zu gewährleisten. Dabei sollen Aspirationen, Penetrationen, Aspirationspneumonien, Malnutrition und Dehydration vermieden werden. Die Sondenernährung soll möglichst verhindert und die Lebensqualität erhalten werden (Eibl, 2019). Die Therapieverfahren können restituierend, kompensatorisch oder adaptiv sein. Bei den restituierenden Ansätzen geht es darum, die Funktionen wiederherzustellen. Kompensatorische Verfahren, wie zum Beispiel Haltungsanpassungen während dem Schlucken oder spezielle Schlucktechniken, werden während dem Schlucken angewandt. Bei den adaptiven Verfahren werden externe Hilfen – wie angepasste Essoder Trinkhilfen – verwendet oder diätische Anpassungen vorgenommen. Es gibt verschiedene Therapiekonzepte, unter anderem die funktionelle Dysphagietherapie (FDT), die Fazio-Orale-Trakt-Therapie (F.O.T.T), die neurophysiologisch orientierte Dysphagietherapie nach Castillo Morales oder die propriozeptive neuromuskuläre Fazilitation (Prosiegel, Weber & Braun, 2024b). Die Therapie sollte möglichst früh beginnen (Weber & Prosiegel, 2024). Bei Kopf-Hals-Tumoren kann es sinnvoll sein, bereits vor einer Operation oder Chemotherapie prophylaktisch mit Übungen und Beratung zu starten (Perry et al., 2016, zitiert nach Weber & Prosiegel, 2024, S. 287). Die Therapiefrequenz ist abhängig von der Krankheitsphase. In der Akutphase ist eine hochfrequente Therapie indiziert. In der chronischen Phase kann eine Therapie in Intervallen sinnvoll sein (Weber & Prosiegel, 2024). 6 3. Digitalisierung und neue Technologien Den Begriff «Digitalisierung» allgemeingültig zu definieren, ist schwierig. Ganz allgemein gefasst meint Digitalisierung das Nutzen von neuen Technologien. In einem rein technischen Sinn ist Digitalisierung die Umwandlung von analogen zu digitalen Daten. Etwas weiter gefasst lässt sich Digitalisierung als ein komplexer Informationsfluss und -austausch definieren. Daten können zu jedem Zeitpunkt bewegt werden, was den ortsunabhängigen Zugriff durch verschiedene Personen ermöglicht (Bräutigam et al., 2017). Während der Begriff «Digitalisierung» technisch geprägt ist, kommt der Begriff «Digitalität» von einer gesellschaftszentrierten Perspektive und meint die Auflösung der Zweiteilung von Digitalem und Analogem (Leinweber & Dockweiler, 2020). Im gesundheitlichen Bereich werden technische Hilfsmittel oder Unterstützungssysteme für die Verbesserung von körperlichen Funktionen und Strukturen, Aktivitäten und Partizipation verwendet. Technologien werden in drei Kategorien unterteilt: mechanisch, elektrisch und digital (Ritterfeld & Hastall, 2017). Für diese Arbeit sind die digitalen Technologien relevant. Digitale Technologien werden in der Literatur synonym zu neuen Technologien verwendet. In der vorliegenden Arbeit wird der Begriff «neue Technologien» verwendet. Neue Technologien können drei Eigenschaften aufweisen: sensorbasiert, interaktiv oder intelligent. Diese Eigenschaften können auch miteinander kombiniert werden. Sensorbasierte Technologien verarbeiten physikalische Reize. Es sind automatisierte Systeme, die nach der Installation kein individuelles Anpassen mehr benötigen. Interaktive Technologien beinhalten Kontrollmöglichkeiten. Hierzu zählen telemedizinische Formate. Intelligente neue Technologien bauen auf sensorbasierten und interaktiven Informationen, auf, lernen dabei dazu und passen sich so an (ebd.). 3.1 Telemedizin In der englischsprachigen Literatur findet man den Begriff «Telehealth», der mit «Telegesundheit» übersetzt werden kann und synonym zum Begriff «Telemedizin» verwendet wird (World Health Organization, 2016). In der vorliegenden Arbeit wird der Begriff «Telemedizin» verwendet. Telemedizin wird dem Oberbegriff «e-Health» untergeordnet. Unter e-Health werden jegliche Einsätze von elektronischen Medien im Gesundheitsbereich zusammengefasst sowie gesundheitsbezogene Aktivitäten, die über räumliche Entfernung mithilfe von Informationsund Kommunikationstechnologien (IKT) ausgeführt werden. Neben Telemedizin gehört auch der Einsatz von elektronischen Patientenakten, e-Rezepten oder elektronischen Arztbriefen zur eHealth. Ganz allgemein ist die Telemedizin eine Alternative zum Präsenzprinzip bei medizinischen Dienstleistungen. Telemedizin kann räumlich und zeitlich versetzt stattfinden (Beckers & Marx, 2021). Die WHO (2016) erwähnt ebenfalls Forschung und Weiterbildung von Gesundheitsfachpersonal mittels Informationsund Kommunikationstechnologien als Teil der 13 Khan et al. (2022) wollten herausfinden, welche Erfahrungen Patientinnen und Patienten mit telemedizinischer Schlucktherapie gemacht haben. Dafür wurden semistrukturierte Interviews bei elf Erwachsenen mit einem Kopf-Hals-Tumor durchgeführt. Es waren Teilnehmende der Langzeitstudie PRO-ACTIVE, die aufgrund der COVID-19-Pandemie pausiert werden musste. Sechs Teilnehmende erhielten niedrigfrequente Schlucktherapie, fünf hochfrequente. Acht Teilnehmende hatten vor dem Wechsel in die Teletherapie bereits eine Face-to-Face-Therapie. Während der COVID-19-Pandemie wurde die Therapie über eine Audio-Video-Plattform weitergeführt. Dabei wurden Schluckübungen gezeigt. Durch das synchrone Setting konnten Unklarheiten und Fragen direkt besprochen und Feedback gegeben werden. Alle elf Teilnehmenden waren von den Vorteilen der Telemedizin überzeugt. Einige fühlten sich zu Beginn unwohl, was sich schnell verbesserte. Sechs Teilnehmende gaben an, bereits vorher Erfahrung mit Videokonferenzen gemacht zu haben. Dies wurde als hilfreich im Umgang mit der neuen Technologie empfunden. Die Teilnehmenden fanden es einfach, an den Therapieeinheiten teilzunehmen und je öfter sie telemedizinische Therapie erhielten, desto sicherer fühlten sie sich. Schwierig wurde es bei den Patienten, die noch unerfahren im Umgang mit neuen Technologien waren. Einigen fehlte das richtige Material. Ebenso war eine Unsicherheit vorhanden, ob der Logopäde oder die Logopädin tatsächlich das sah, was sie sehen sollten. Es wurde als unpersönlicher empfunden. Fehlende Unterstützung von Angehörigen oder Pflegepersonal empfanden sie einschränkend. Auch wurden Hörprobleme als mögliche Herausforderung genannt. Ebenso war die Inspektion des Mundes schwierig. Alle waren sich einig, dass eine Therapie ausschliesslich über einen auditiven Kanal ungeeignet war. Die Videotelefonie schaffte Abhilfe. Die Befragten gaben an, dass die telemedizinische Therapie vergleichbar mit der Face-to-Face-Therapie sei. Zwei bevorzugten die Face-to-Face-Therapie. Allgemein herrschte die Meinung, dass Telemedizin zeitund wegsparend und mit weniger Stress und körperlicher Anstrengung verbunden sein. Die Patientinnen und Patienten konnten zu Hause in ihrer Komfortzone bleiben. Es kommt zu weniger Wartezeiten und keinen unangenehmen Situationen in der Öffentlichkeit. Für die Angehörigen bietet Telemedizin die Möglichkeit, einfacher bei einer Therapieeinheit dabei zu sein und Informationen mitzunehmen. Zusammenfassend waren die elf Teilnehmenden sehr zufrieden mit der telemedizinischen Alternative. So konnte während der Covid-19-Pandemie eine Fortsetzung der Therapie und der Einbezug der Angehörigen garantiert werden. Karlsson, Lovric, Matthelié, Brage und Hägglund (2023) haben bei 48 Patientinnen und Patienten mit Schluckbeschwerden je zwei Schluck-Screenings (TWST & TOMASS) durchgeführt. Einmal wurden die Schluck-Screenings vor Ort durch eine logopädische Fachperson durchgeführt. Das zweite Mal fand ortsunabhängig per Videokonferenz statt. Beim telemedizinischen Screening war eine Person anwesend, die die Patientinnen und Patienten bei technischen Problemen unterstützte oder intervenieren konnte. Bei beiden Screenings kam es zu 14 einer über 75-prozentigen Übereinstimmung zwischen den Modalitäten. Bei den telemedizinischen Screenings kam es zu einer leicht erhöhten falsch positiven Rate, was von den Studienautoren im Vergleich zu den Vorteilen von einem telemedizinischen Screening als akzeptabel gewertet wird. Im Anschluss an die Studie wurden die Teilnehmenden mit einem Fragebogen nach ihrer Zufriedenheit befragt. Alle Teilnehmenden gaben eine grosse Zufriedenheit mit der telemedizinischen Diagnostik an. 60 % gaben an, dass sie eine telemedizinische Konsultation einem Klinikbesuch vorziehen würden. Reverberi, Gottardo, Battel und Castagnetti (2022) führten eine systemische Review über Evidenzen von telemedizinischen Dysphagiemanagement bei neurogenen Dysphagien im Vergleich zur Face-to-FaceTherapie durch. Es zeigte sich, dass es sehr viel Literatur zum Thema Telemedizin allgemein gibt, aber wenig im Bereich neurogene Dysphagie. Die Studien stammen alle aus Australien oder den USA, wo Telemedizin bereits weit verbreitet ist. Die inkludierten Studien zeigen eine signifikante Übereinstimmung zwischen den Modalitäten. Die Entscheidung bezüglich Sicherheit und Kosteinstellung wurde nicht von der Modalität beeinflusst. Ebenso zeigte die Analyse eine hohe Akzeptanz und Zufriedenheit von Telemedizin sowohl bei den Patientinnen und Patienten als auch auf logopädischer Seite. Bedenken gab es hauptsächlich bezüglich technologischer Themen. Sind kognitive Behinderungen, sensorische Schwierigkeiten, physische Einschränkungen oder Motivationsprobleme vorhanden oder fehlen unterstützende Personen, wird die Telemedizin herausfordernd. Die telemedizinische Dysphagiebehandlung ist nicht für alle gleich geeignet. Die meisten inkludierten Studien nutzten Telemedizin synchron. Manche zeichneten die Therapieeinheit auf. Folgende Vorteile von telemedizinischem Dysphagiemanagement im Vergleich zur Face-to-Face-Behandlung wurden zusammengefasst: direkter Austausch mit Pflegenden und Angehörigen, Therapie im gewohnten Umfeld, direkte Anpassungen an die Realität, leichterer Transfer in den Alltag, einfachere Langzeitbegleitung, intensivere Therapiefrequenz und einfacherer Austausch mit Fachdisziplinen möglich. Die telemedizinische Behandlung von neurogenen Dysphagien bringt den Patientinnen und Patienten viele Vorteile. Die Studienautoren schätzen die telemedizinische Modalität als reliabel und effektiv ein. Yang et al. (2023) haben eine systematische Übersichtsarbeit zu 13 Studien verfasst. Alle haben sich mit telemedizinischer Dysphagietherapie bei Menschen mit Kopf-Hals-Tumoren beschäftigt, hatten eine Kontrollgruppe, basierten auf häuslicher Therapie mit IKT und untersuchten die Auswirkung von telemedizinischer Therapie auf die Schluckfunktion, den Ernährungszustand, die Lebensqualität, die Kosteneffizienz und die Adhärenz. Alle hatten einen synchronen Anteil, in dem die Teilnehmenden telefonisch oder videotelefonisch unterstützt und beraten wurden. Acht der Studien nutzten zusätzlich appbasierte asynchrone Therapieinterventionen. Die systemische Übersichtsarbeit beschreibt, dass telemedizinische Dysphagietherapie die negativen Folgen von Dysphagie bei Kopf-Hals-Tumoren minimiert und die sonst 15 eher tiefe Adhärenz verbessert. Die telemedizinische Therapieform scheint besser auf die Bedürfnisse der Patientinnen und Patienten anpassbar zu sein. Zu den beschriebenen Vorteilen gehören, dass die Patientinnen und Patienten flexibler in der Durchführung der Therapie sind, dass die Angehörigen einen besseren Überblick über den Therapieplan erhalten, dass der Anreiseweg wegfällt und die finanzielle Belastung kleiner ist. Telemedizinisch können mehr Patientinnen und Patienten betreut werden. Die Studien beschreiben die telemedizinische Dysphagietherapie als effektiv. Einen signifikanten Unterschied zu den Schluckergebnissen im Vergleich zu der Face-to-Face-Therapie konnten sie aber nicht feststellen. Die empfundene Lebensqualität und die Adhärenz waren bei der telemedizinischen Therapie im Vergleich zur Face-to-Face-Therapie höher. Die Adhärenz nahm jedoch auch bei der Telemedizin mit der Zeit ab. Was diese Übersichtsarbeit auch zeigte, ist, dass das Nutzen einer App, im Vergleich zur synchronen telemedizinischen Therapie und der Face-to-Face-Therapie, die tiefste Adhärenz mit sich brachte. Die Studienautoren sehen die Ergebnisse der systemischen Review kritisch, da nur 13 Studien inkludiert wurden und insbesondere Langzeitstudien fehlen. Kantarcigil und Malandraki (2017) haben ein elektronisches Dysphagie-Anamnesetool entwickelt und dessen Effektivität mit der Papierversion verglichen. 40 Erwachsene mit Schluckproblemen nahmen an der Studie teil. Sie waren zwischen 18 und 85 Jahre alt, hatten Englisch als Erstsprache, erzielten bei EAT-10 Screening mindestens drei oder mehr Punkte und waren im normalen bis milden Bereich des MOCA (Monteral Cognitive Assessment). Beiden Versionen bestanden aus 70 Fragen und dauerte durchschnittlich 15 Minuten. Die Dauer, die Anzahl der beantworteten Fragen und die gestellten Fragen während dem Ausfüllen des Fragebogens unterschieden sich nicht signifikant. Die Zufriedenheit der Patientinnen und Patienten war beim Ausfüllen des elektronischen Fragebogens signifikant höher. Diese Studie wurde unter Laborbedingungen durchgeführt, weshalb keine technischen Probleme aufgetreten sind. Ebenfalls wurde die Richtigkeit der Antworten nicht überprüft. Der Vorteil des Anamnese-Tools ist, dass die Patientinnen und Patienten den Fragebogen ohne zeitlichen Druck zu Hause ausfüllen können. Die Logopädinnen und Logopäden können Zeit sparen, weil die Informationen bereits digital erfasst sind. Mayadevi et al. (2018) beschreiben in ihrer retrospektiven Studie einen weiteren Bereich der Telemedizin bei Dysphagie: die interdisziplinäre Zusammenarbeit über Informationsund Kommunikationstechnologien. Ziel der Studie war es, die Machbarkeit und die Effektivität von interdisziplinären Besprechungen bei Patientinnen und Patienten mit Dysphagie nach einem Kopf-Hals-Tumor zu untersuchen. Während 18 Monaten hat ein Kopf-Hals-Chirurgie-Institut aus Indien monatlich eine Videokonferenz mit einem Team aus den USA durchgeführt. Inhalt der Besprechungen waren 26 Patientinnen und Patienten mit Dysphagie in Folge einer KopfHals-Pathologie. Gemeinsam wurden die Therapieansätze und das weitere Vorgehen geplant. In 70 % der Fälle stimmten die Zentren mit dem Vorgehen überein, in 18 % der Fälle wurden 16 Ergänzungen vorgenommen und in 12 % gingen die Meinungen auseinander. Vor und nach der Intervention mittels telemedizinischer Konferenz wurde die FOIS (Functional Oral Intake Scale) berechnet. Diese stieg durchschnittlich von einem Wert von 1,46 auf 3,92 an. Die Patientinnen und Patienten waren signifikant weniger auf künstliche Ernährung angewiesen. Welche Faktoren genau für die Verbesserung der Schluckfähigkeit verantwortlich sind, wird in dieser Studie nicht beschrieben. Klar wird, dass der Austausch zwischen den Zentren die Fachpersonen fachspezifisch weiterbringt. Die Studienautoren konnten zeigen, dass der interdisziplinäre Austausch im Umgang mit komplexen Dysphagiefällen und die Zusammenarbeit von zwei Departementen auch über Kontinente entfernt durch Videokonferenzen erfolgreich sein kann. Sie schlagen eine prospektive Studie mit einer grösseren Untersuchungsgruppe und klaren Einund Ausschlusskriterien vor, um robustere Schlussfolgerung in Bezug auf die Umsetzung von Dysphagietherapie bei Menschen mit Kopf-Hals-Tumoren ziehen zu können. 5.2 Mobile Apps für Dysphagie In diesem Kapitel wird auf die Verwendung von mobilen Apps bei Dysphagie eingegangen. Die Meta-Daten-Plattform «AppAgg» enthält eine Sammlung von über zwei Millionen mobilen Apps. Im November 2024 erscheinen unter dem Suchbegriff «Dysphagia» 33 Einträge. Das Stichwort «Aphasia» ergibt 242 Einträge und unter dem Stichwort «Dysarthria» sind es 50. Es wird deutlich, dass die App-Entwicklung bei Dysphagie in Vergleich zu anderen logopädischen Störungsbildern noch weniger verbreitet ist (AppAgg Aggregator-Anwendung, n. d., www.appagg.com). «HNC Virtual Coach» wurde für Betroffene von Dysphagie in Folge eines Kopf-Hals-Tumors entwickelt und hat zum Ziel, die Adhärenz zu fördern und die negativen Auswirkungen der Dysphagie zu minimieren (Starmer et al., 2023). Vorgängig haben Starmer et al. (2018) in einer Pilotstudie 36 Betroffene mit Kopf-Hals-Tumoren rekrutiert. Personen ohne Englischkenntnisse, solche ohne Smartphone oder Tablet und solche, die aufgrund beschränkter mobiler Daten die App nicht auf ihrem Smartphone nutzen konnten, wurden exkludiert. Die meisten der Studienteilnehmenden gaben an, sich im Umgang mit Technologie, vor allem mit dem Nutzen von Smartphones, wohlzufühlen. Die Teilnehmenden wurden beim Download der App unterstützt und bekamen eine Einführung. Die App enthielt neben spezifischen Schluckübungen (Mendelsohn, kräftiges Schlucken, Masako, kräftiges Glissando und Kieferdehnübungen) ein Dokumentationstool, eine Erinnerungsfunktion, wöchentliche Zusatzinformationen in Form von Videos, Links und Literaturvorschlägen sowie die Funktion, mit dem Logopäden oder der Logopädin zu chatten. Während vier Monaten sollten die Patientinnen und Patienten zweimal täglich drei Blöcke an zehn Wiederholungen durchführen und diese dokumentieren. Gaben die Teilnehmenden starke Schmerzen an, wurde die Übungsanforderung angepasst. Wenn über längere Zeit keine Übung protokolliert wurde, wurde der Grund erfragt. Nach der Studienzeit 17 wurden semistrukturierte Interviews durchgeführt. Die Teilnehmenden waren sehr zufrieden mit der App. Vor allem wurden die Erklär-Videos und die Erinnerungsfunktion positiv empfunden. Da der Logopäde oder die Logopädin jederzeit auf die Therapieprotokolle zugreifen konnte, fühlten sich die Teilnehmenden stärker verpflichtet, diese durchzuführen. Bemängelt wurde, dass diese Erinnerungen zu häufig kamen. Im Verlauf der Studie nahm die protokollierte Adhärenz ab. Meistens stellte sich heraus, dass die Übungen zwar gemacht wurden, aber das Protokollieren vergessen ging. Andere Gründe waren: keine Zeit, Schmerzen, Müdigkeit, Probleme mit der App oder Nichtverstehen der Übung. Die Teilnehmenden wünschten sich ebenso eine individualisierte Anpassung des Übungsplanes. Nach Anpassungen in der App überprüften Starmer et al. (2023) in einer randomisierten kontrollierten Studie mit 91 Teilnehmenden, wie sich die App im Vergleich zur analogen Therapie auf die Adhärenz und die Schluckfähigkeit auswirkt. Die Experimentalgruppe nutzte die mobile App «HNC-Virtual-Coach», während die Kontrollgruppe dieselben Informationen und Übungen auf Papier bekam. In beiden Gruppen variierte die Therapietreue und nahm tendenziell nach einigen Wochen ab. Die Experimentalgruppe zeigte im Durchschnitt eine bessere Adhärenz, wenn auch nicht statistisch signifikant. Die Schluckuntersuchung zwei bis drei Monate nach Ende der Strahlentherapie zeigte keinen signifikanten Unterschied der Schluckfähigkeit der beiden Gruppen. Die subjektive Lebensqualität wurde bei der Experimentalgruppe signifikant höher empfunden. Die Studie zeigt, dass der «HNC-Virtual-Coach» hilft, die Therapieziele besser einzuhalten, die Übungen durchzuführen und die allgemeine Lebensqualität signifikant zu erhöhen. Die Teilnehmenden sollten zu einem späteren Zeitpunkt erneut untersucht werden, um herauszufinden, wie die Langzeitauswirkungen sind. H. Kim, Lee, et al. (2020) untersuchten in einer Pilotstudie die Benutzerfreundlichkeit der App «365 Healthy Swallowing Coach». Das Ziel dieser App ist es, mit einem einfachen, benutzerfreundlichen Design ältere Menschen dabei zu unterstützen, Schluckübungen allein durchzuführen. Für die Studie wurden elf über 65-jährige Bewohnende eines Pflegeheims rekrutiert. Sie hatten Schluckbeschwerden, erfüllten die Kriterien des Mini-Mental-Status-Tests und konnten gut sehen, hören und motorisch ein Tablet bedienen. Die Teilnehmenden wurden, aufgrund ihres Bildungsstatus, in zwei Gruppen eingeteilt: eine high-potential-Gruppe mit mehr als zehnjähriger Schulzeit und einer low-potential-Gruppe mit weniger als zehn Jahren in der Schule. Während acht Wochen mussten die Teilnehmenden an fünf Tagen pro Woche dreimal täglich Schluckübungen durchführen. Jede zweite Woche hatten sie ein persönliches Treffen mit einer Fachperson. Zwei Wochen nach Start und nach Abschluss der Intervention wurden semistrukturierte Interviews durchgeführt, um den Umgang und die Zufriedenheit mit der App zu erfragen. Beide Gruppen machten während der acht Wochen Fortschritte im Umgang mit der App. Die high-potential-Gruppe akzeptierte die App gut und sah das Monitoring als sehr nützlich an. Die Navigationsprobleme und Schwierigkeiten mit den Übungen nahmen ab. Das 18 Selbstvertrauen in Bezug auf den Umgang mit der App war bei der high-potential-Gruppe signifikant grösser. Die low-potential-Gruppe hingegen bekam im Verlauf mehr Schwierigkeiten mit der Auswahl der richtigen Übung und bekamen Selbstzweifel. Die Ergebnisse suggerieren, dass Menschen mit einem tieferen Bildungsniveau mehr Unterstützung in die App-Nutzung brauchen. Die Therapieintensität wurde von beiden Gruppen als zu hoch eingeschätzt. Ebenso passten nicht alle Übungen in den Tagesablauf. Die laute Glissando-Übung am Abend beispielsweise wurde als unangenehm empfunden. Die Teilnehmenden wünschten sich mehr Individualisierungsmöglichkeiten. H. Kim, Cho, et al. (2020) beschrieben bei den selben Teilnehmenden von H. Kim, Lee, et al. (2020) die quantitativen und Langzeiteffekte der App «365 Healthy Swallowing Coach». Die App beinhaltet ein Schulungsprogramm, ein Biofeedbacksystem mit einer Spiegelfunktion sowie Visualisierung mit Diagrammen der Glissando-Übung, Erinnerungsfunktionen und ein individuell angepasstes Trainingsprogramm. Von den elf Teilnehmenden haben acht das ganze Programm mit der vorgeschlagenen Anzahl Übungen durchgeführt. Zwei gaben an, nicht genügend Zeit zu haben, während eine Person nicht verstanden hat, wie sie die Trainings protokollieren muss. Nach acht Wochen Intervention zeigte sich eine signifikante Verbesserung der Zungenkraft beim Schlucken. Zwölf Wochen nach Ende der Intervention wurde bei sechs Patientinnen und Patienten nochmals gemessen. Dabei zeigte sich keine anhaltende signifikante Verbesserung der Zungenkraft im Vergleich zur Zeit vor der Intervention. Für die Studienautoren ist es schwer einzuschätzen, was genau die Auswirkungen der App auf die Schluckfunktionen sind und wie effektiv die App ist, da die Studie nur mit einer kleinen Anzahl Teilnehmenden und ohne Kontrollgruppe durchgeführt wurde. Dennoch sehen sie grosses Potenzial in der Verwendung von mobilen Apps bei der Versorgung von älteren Menschen mit Dysphagie. Constantinescu, Kuffel, King, Hodgetts und Rieger (2019) haben die Verwendbarkeit und Benutzerfreundlichkeit der «Mobili-T»-App überprüft. Diese App wurde entwickelt, um den Zugang zu Schlucktherapie zu vereinfachen. Bei der Entwicklung wurden die Erkenntnisse aus einer Befragung (Constantinescu et al., 2017) miteinbezogen. «Mobili-T» funktioniert mit drei sEMG (Oberflächen Elektromyographie), die Daten per Bluetooth an die App senden. Daraus ergibt sich ein visuelles Biofeedback. Die App besteht aus dem Lernund dem Übungs-Modus. Im Lern-Menü wird eine Einführung gegeben und das Anbringen der Elektroden gezeigt. Im Übungsmodus werden Übungen gezeigt. An der Studie nahmen fünf Patientinnen und Patienten mit einem Kopf-Hals-Tumor teil. Personen mit neurologischen Schädigungen und kognitiven Beeinträchtigungen wurden ausgeschlossen. In einem Face-to-Face-Termin wurden die Teilnehmenden in die App eingeführt. Die Teilnehmenden mussten fünf Aufgaben lösen. Die Effektivität wurde anhand der gestellten Fragen gemessen, die Effizienz daran, wie lange die Teilnehmenden für eine Aufgabe brauchten und wie viele Gesten sie dazu verwendeten. Zur Erhebung der Benutzerzufriedenheit wurde ein Fragebogen ausgefüllt. Am meisten 19 Unterstützung brauchten die Teilnehmenden beim Verbinden der sEMG mit der App. Die Teilnehmenden waren im Allgemeinen zufrieden mit der App. Die Interpretation der Resultate stellte für wenige eine Herausforderung dar. 5.3 Künstliche Intelligenz in der Behandlung von Dysphagie Im folgenden Kapitel wird die Anwendung von künstlicher Intelligenz in verschiedenen Bereichen der Dysphagiebehandlung thematisiert. Für die qualitative Beschreibung der Modelle werden verschiedene Werte verwendet. Unteranderem gibt der AUC (Area Under the Cover) an, wie gut ein Modell zwischen krank und gesund klassifizieren kann. Je näher der Wert gegen 1,0 geht, desto besser ist das Modell, teilweise wird für die Angabe auch der AUROC (Area under the Receiver Operating Characteristics) verwendet (Narkhede, 2018). Gugatschka et al. (2024) entwickelten ein Screening-Tool weiter. Basierend auf maschinellem Lernen soll das Dysphagierisiko von Patientinnen und Patienten in Krankenhäusern, Pflegeheim und privaten Praxen vorhergesagt werden. Das KI-Modell wurde mit den elektronischen Gesundheitsakten von 33'874 hospitalisierten Menschen trainiert. Über 800 Merkmale wurden aufgrund von Langzeitanalysen von Patientenakten herausgearbeitet. Das Modell wurde in Echtzeit an 149 Patientinnen und Patienten einer HNO-Abteilung evaluiert und mit den Ergebnissen von klinischen Screenings von vier Logopädinnen und Logopäden verglichen. Gemäss Studienautoren ist das verwendete Modell mit einem AUROC von 0,97 und einer Genauigkeit von 92,6 % ein hervorragendes Screening-Tool. Die Spezifität beträgt 98 %, während die Sensitivität mit 82,4 % etwas tiefer liegt. Das auf maschinellem Lernen basierende Modell kann nur auf Daten in elektronischen Gesundheitsakten zugreifen, Daten aus externen Praxen oder von anderen Spitälern können nicht in die Analyse mit einbezogen werden. Die Studienautoren sehen die grosse Chance dieses Screening-Tools darin, grosse Patientinnenund Patientengruppen in kurzer Zeit zu screenen. Gerade für Abteilungen und Institutionen mit wenig Dysphagieerfahrung ist dies ein Vorteil. Auch Park et al. (2023) entwickelten ein Screening-Tool basierend auf maschinellem Lernen, dies für Patientinnen und Patienten nach einem akuten Schlaganfall. Für die Entwicklung des Algorithmus wurden Daten von 3’408 Schlaganfallpatientinnen und -patienten verwendet. Bei 408 Patientinnen und Patienten wurde in einer VFSS eine Aspiration festgestellt. Die Patientinnen und Patienten wurden zwei Mal gescreent. Einmal mit dem Gugging Swallowing Screening (GUSS) und einmal dem ML-Screening-Tool. Es wurde überprüft, wie gut die entsprechenden Screenings eine Aspiration vorhersagen können. Das klinische Screening und das Screening durch maschinelles Lernen erzielten gute Übereinstimmungen und unterschieden sich in der Vorhersagekraft kaum. Das Screening-Tool basierend auf maschinellem Lernen war mit der Sensitivität von 72 % besser als das GUSS mit einer Sensitivität von 64 %. Das ML-Screening kann objektiv und standardisiert nach Dysphagie screenen, ganz ohne eine 20 direkte Intervention am Patienten. Dies kann gerade bei instabilen Patientinnen und Patienten nach einem Schlaganfall von Vorteil sein. Um den Algorithmus im klinischen Alltag zuverlässig zu verwenden, schlagen die Studienautoren weitere Validierungen mit Algorithmen vor, die spezifisch auf verschiedene Schlaganfallarten trainiert wurden. Ähnlich haben Martin-Martinez et al. (2023) ein Expertensystem basierend auf maschinellem Lernen entwickelt, das das Risiko einer oropharyngealen Dysphagie auf Grund von Daten aus den elektronischen Gesundheitsakten berechnet. Die Daten von 2’809 Menschen über 70 Jahren, die zwischen den Jahren 2013 und 2018 in ein spanisches Akutkrankenhaus oder Pflegeheim kamen, wurden für die Entwicklung des Algorithmus verwendet. 25'000 potenzielle Variablen, die direkt oder indirekt einen Zusammenhang mit oropharyngealer Dysphagie haben, wurden ausgewählt. Dazu gehören beispielsweise Niereninsuffizienzen, Diabetes Mellitus oder zerebral-vaskuläre Vorfälle. Zusätzlich wurden soziodemographische Daten wie Alter, Geschlecht, Häufigkeit von Hospitalisationen und abgegebene Medikamente sowie Variablen zur Funktionalität oder Gebrechlichkeit (Barthel Index) mitberücksichtigt. Das Expertensystem AIMS-OD (Artificial Intelligence Massive Screening – Oropharyngeal Dysphagia) wurde in das Krankenhausinformationssystem implementiert und screent stündlich innerhalb von sechs Sekunden alle Patientinnen und Patienten nach ihrem Dysphagierisiko. Das Modell hat eine AUROC von 0,84 und entspricht gemäss Studienautoren den Qualitäten für ein Screening-Tool. In Kombination mit dem klinischen Screening Volume-Viscosity Swallowing Test (V-VST) wurde eine Sensitivität von 93,17 % und eine Spezifität von 81,39 % erreicht. Fehlen jedoch Daten in der Gesundheitsakte, wird es für AIMS-OD schwierig, eine richtige Vorhersage zu treffen. Als Nächstes soll das Screening-Tool gegenüber den Goldstandardmethoden FEES und VFSS validiert werden. Das systematische Screening hilft, Patientinnen und Patienten mit Dysphagierisiko zu erkennen und zu priorisieren. Die Studienautoren gehen davon aus, dass AIMS-OD die Folgen von Dysphagie und die damit verbundenen Kosten reduzieren kann und somit die Lebensqualität bei älteren Menschen mit Dysphagie verbessert wird. Konradi et al. (2022) haben eine künstliche Intelligenz zur Interpretation von FEES-Videos entwickelt. 92 FEES-Videos von Patientinnen und Patienten mit Aspirationen, Penetrationen und gesunden Schluckabläufen wurden retrospektiv analysiert. Dabei haben zwei Dysphagieexperten die wichtigsten Strukturen wie die Stimmlippen, die Glottis und Aspirationen und Penetrationen markiert. Um noch mehr Trainingsdaten zu erhalten und die Wahrscheinlichkeit einer zuverlässigen Erkennung zu erhöhen, wurden die Bilder gespiegelt, gedreht oder im Kontrast verändert. Das KI-Modell wurde trainiert und getestet. Die Erkennung der anatomischen Strukturen gelang gemässe den Studienautoren auf einem sehr zufriedenstellenden Niveau. Das Erkennen von Aspiration und Penetration zeigt eine gute Spezifität, aber eine noch nicht ausreichende Sensitivität. Das Erkennen von Aspirationen mit diesem KI-Modell entspricht noch etwa der Performanz einer unerfahrenen Fachperson. Das KI-Modell braucht 21 noch mehr Daten, um sich zu verbessern. Der Vorteil dieses KI-Modells ist, dass es relevante Bilder markiert und der Logopäde oder die Logopädin so nicht das ganze FEES-Video anschauen muss. Bei diesem Modell handelt es sich um eine erklärbare künstliche Intelligenz (XAI). Die Ergebnisse bleiben interpretierbar und für den Mensch nachvollziehbar. Weng, Imaizumi, Murono und Zhu (2022) haben sich ebenfalls mit der Entwicklung einer künstlichen Intelligenz zur Unterstützung bei einer FEES auseinandergesetzt. Sie haben eine computerunterstützte Diagnostik (CAD) basierend auf Deep Learning zur Erkennung von Aspiration, Penetration und Residuen in den Valleculae und dem Hypopharynx entwickelt. Über 25'000 Bilder aus insgesamt 239 FEES-Videos wurden analysiert und für das Training und die Testung des Deep-Learning-Modells verwendet. Die FEES-CAD kann 3,76 Bilder pro Sekunde verarbeiten. Insgesamt schnitt sie mit einer Genauigkeit von 93,13 %, einer Sensitivität von 95,45 % und einer Spezifität von 92,24 % gut ab. Im Vergleich zu den Fachexperten und - expertinnen ist die FEES-CAD insgesamt sensitiver aber weniger spezifisch und hat eine grössere falsch-positive-Rate. Aufgeteilt in die einzelnen Bereiche schnitt das Deep-Learning-Modell beim Erkennen von Penetration mit einer Sensitivität von 100 % gegenüber zu 50 % bei der Fachperson signifikant besser ab. Ebenfalls erkennt die FEES-CAD besser, wenn es Residuen in den Valleculae hat. Beim Erkennen von Aspirationen erreichten das Deep-LearningModell und der Mensch eine gleich gute Sensitivität. Einzig bei Residuen im Hypopharynx kann Deep Learning mit einer Sensitivität von 93,75% nicht mit den 100 % der Fachperson mithalten. Das Deep-LearningModell ist anfällig auf ungünstige Lichtverhältnisse und Speichel, der die Sicht einschränkt. Insgesamt konnte diese Studie belegen, dass die FEES-CAD ein sehr effektives Hilfsmittel ist, um FEES-Videos zu analysieren. Für eine zuverlässige Analyse ist das Deep-Learning-Modell momentan noch auf gute Aufnahmen mit passenden Lichtverhältnissen angewiesen. Zhang, Mao, Coyle und Sejdić (2021) haben ein künstliches neuronales Netzwerk entwickelt, um anatomische Orientierungspunkte während einem Schluckversuch in der Videofluoroskopie, zu markieren. 70 gesunde Menschen und 265 Patientinnen und Patienten mit Schluckbeschwerden, davon 44 nach einem Schlaganfall, unterzogen sich einer Videofluoroskopie. Drei geschulte Fachpersonen markierten in 1’518 VFSS-Videos den Abstand zwischen dem zweiten und vierten Wirbel als Interessenspunkte. Dabei wurden nicht nur einzelne Schlucke, sondern auch sequenzielle Schlucke und Schlucke mit gesenktem Kinn ausgewählt, um einen möglichst vielfältigen Datensatz zu erhalten. Das Modell zeigte gemäss Studienautoren eine gute Leistung und konnte erfolgreich auf verschiedene Datensätze von unterschiedlichen Durchleuchtungsapparaten übertragen werden. Die Idee der Studienautoren ist, den DeepLearning-Ansatz zukünftig auch auf weitere anatomische Strukturen, wie die Epiglottis oder die Valleculae anzuwenden, um die Schluckvideos quantitativ zu analysieren und den Logopädinnen und Logopäden dadurch zeitintensive Arbeiten abzunehmen. 22 J. K. Kim et al. (2022) fokussierten in ihrer Studie auf die Erkennung von Aspiration und Penetration während einem VFSS-Video. Sie entwickelten dafür ein Deep-Learning-Modell. Videofluoroskopie-Videos von 190 Patientinnen und Patienten mit Dysphagie (die meisten aufgrund eines Schlaganfalls) wurden von zwei Fachspezialisten mit über zehn Jahren Erfahrung analysiert und in Gruppen von Aspirationen, Penetrationen und unauffälligen Schlucken kategorisiert. 113 Teilnehmende hatten keine Penetration oder Aspiration, bei 32 traten Penetrationen auf, bei 45 Aspirationen. Mit diesen Daten wurde das Deep-Learning-Modell trainiert und getestet. Das Modell schnitt gemäss Studienautoren herausragend ab für unauffällige Schlucke (AUC 0,942) und Aspirationen (AUC 1,000) und ausgezeichnet für Penetrationen (AUC 0,878). Diese Studie konnte zeigen, dass gute Algorithmen geeignet sind, für die Erkennung von Aspiration und Penetration in einem VFSS-Video. Iida et al. (2023) erzielten ähnliche Ergebnisse. Sie entwickelten Deep-Learning-Modelle, die Aspirationen in Videofluoroskopien erkennen. Dafür wurden VFSS-Videos von 54 Patientinnen und Patienten mit Aspirationen und 75 ohne Aspirationen genommen. Die Patientinnen und Patienten mit Aspirationen hatten neurologische Erkrankungen, Zerebralparesen, orale Erkrankungen oder andere Ursachen. Es wurde darauf geachtet, dass die Verteilung der Erkrankungen bei den Patienten und Patientinnen ohne Aspirationen ähnlich war. Die Daten wurden zuerst von einem erfahrenen Radiologen beurteilt. Es wurden drei Deep-Learning-Modelle mit den Daten trainiert und getestet, dabei zeigte sich eine über 85-prozentige Genauigkeit in der Erkennung von Aspirationen, eine Sensitivität von über 78 %, eine Spezifität von 91,9 % und eine AUC von 0,974. Diese Studie zeigte, dass die Deep-Learning-Modelle für die Erkennung von Aspirationen verwendet werden können und gute Ergebnisse erzielen. Es handelt sich hier um Black-Box-Modelle, die Herleitung ist also nicht nachvollziehbar. Es ist nicht klar, welche Art von Aspiration erkannt wurde und wie die Modelle die Erkennung beeinflussen. Die Studienautoren schlagen vor, die Modelle mit einer grösseren und differenzierteren Datenmenge zu trainieren. S.Y. Jeong, Kim, Park, Baek & Yang (2023) wollten mit ihrem Modell den gesamten Schluckakt berücksichtigen. 594 Videofluoroskopien von insgesamt 462 Patientinnen und Patienten mit Schluckbeschwerden wurden für die Entwicklung verwendet. Es wurden sieben Zeitparameter gekennzeichnet: Dauer der oralen Phase, pharyngeale Verzögerung, pharyngeale Reaktionszeit, pharyngeale Transitzeit, Reaktionszeit des Larynxverschlusses, Dauer des Larynxverschlusses und Dauer der Öffnung des oberen Ösophagussphinkters. Da es aus Datenschutzgründen schwierig war, an viel Datenmaterial zu kommen, wurde für dieses Modell ein bereits vortrainiertes Modell verwendet. Es wurde ein 3D-Modell verwendet, das erfolgreich zeitliche Analysen des gesamten Schluckablaufes vornehmen kann. Die zeitlichen Komponenten der verschiedenen Schluckphasen sind ein Teil der komplexen Dysphagiediagnostik. Dieses Modell erleichtert und beschleunigt somit die Arbeit bei der 29 Grundsätzlich ist es immer ein individueller Entscheid, ob der Nutzen von einer App zur Dysphagietherapie sinnvoll ist. Während Starmer et al. (2023) kurzfristig eine bessere Adhärenz beim Nutzen der App zeigten, beschreiben Yang et al. (2023), dass im Vergleich der drei Modalitäten telemedizinisch synchron, appbasiert asynchron und Face-to-Face die Adhärenz bei der Nutzung der Apps am niedrigsten ausfiel. Dies ist ein weiteres Indiz dafür, dass es nicht einfach eine App gibt, die alle Bedürfnisse abdeckt und eine individuelle Vorgehensweise sehr wichtig ist. Die Studien von H. Kim, Lee, et al. (2020) und H. Kim, Cho, et al. (2020) zeigten, dass das Bildungsniveau eine signifikante Rolle im Umgang mit den Apps spielt. Die Apps erreichten keine signifikant besseren Ergebnis des Schluckens, verglichen mit einer konventionellen Therapie (H. Kim, Cho, et al., 2020; Starmer et al., 2023). Noch fehlen Langzeitstudien und grosse Studien mit einer Kontrollgruppe. Während «HNC Virtual Coach» und «Mobili-T» Dysphagiepatientinnen und -patienten nach einem Kopf-Hals-Tumor als Zielgruppe haben, sind es bei «365 Healthy Swallowing Coach» ältere Menschen. Gerade bei dieser Zielgruppe wäre es spannend zu wissen, wie stark eine Dysphagie-App im Alltag genutzt würde. In einer Befragung zur Nutzung von Informationsund Kommunikationstechnologien bei Menschen über 65 Jahren in der Schweiz zeigte sich, dass bei dieser Altersgruppe die Nutzung von Gesundheitsapps kaum verbreitet ist und weniger als die Hälfte Interesse daran zeigt, dies obwohl 69 % ein Smartphone besitzen. Aber es ist eine klare Tendenz zu erkennen, dass die Nutzung von Informationsund Kommunikationstechnologien, insbesondere Smartphones, Tablets und Computern deutlich zunimmt (Seifert, Ackermann & Schelling, 2020). Die Frage stellt sich, wie die Veränderung dieser Zielgruppe, die Entwicklung und die Nutzung von Gesundheitsapps, unteranderem Dysphagieapps beeinflussen wird. Evaluierte Apps für Menschen mit neurogenen Dysphagien oder für Menschen mit Komorbiditäten wie Höroder Sehstörungen oder kognitiver Behinderung, sind, soweit bekannt, nicht vorhanden. Dies ist insofern überraschend, als dass Schlaganfälle als häufigste Ursache von Dysphagien genannt werden (Eibl, 2019). Die in der vorliegenden Bachelorarbeit vorgestellten Apps stammen aus Südkorea, Kanada und den USA und sind, soweit bekannt, nicht in deutscher Sprache erhältlich. Zwei Apps aus dem deutschen Markt sind für die nahe Zukunft interessant. Die erste ist «Dys-Phappgy». Sie bietet digitale Unterstützung bei Schluckstörungen und ist gerade noch in der Entwicklung. Es liegen noch keine Publikationen zu dieser App vor (Hawighorst & Elsuson, 2023). Zweitens wird im Frühjahr 2025 eine App namens «phagifit» auf den Markt kommen, die zum Ziel hat, ergänzend zur Therapie beim Logopäden oder der Logopädin Übungen für zu Hause bereit zu stellen, damit eine Übungsfrequenz beibehalten werden kann (Eiermann, n. d.). 30 Künstliche Intelligenz Die Anzahl der Suchergebnisse auf «PubMed» und «SpeechBite» weisen auf einen grossen Interessensanstieg von künstlicher Intelligenz bei Dysphagie hin. In den Jahren 2022 – 2024 wurden jeweils über 40 neue Artikel publiziert. Abbildung 1. Anzahl Publikationen zu Künstlicher Intelligenz und Dysphagie auf PubMed während den Jahren 20142024. Eigene Darstellung Nach der Bearbeitung der ausgewählten Literatur lassen sich drei Kategorien erkennen, in denen sich die künstliche Intelligenz entwickelt. KI-Screenings zur Früherkennung von Dysphagien, KI-basierte Unterstützung bei der instrumentellen Diagnostik und KI-basierte noninvasive Dysphagiediagnostik mittels Stimmproben oder zervikaler Auskultation. In Krankenhäusern in Österreich, Spanien und Südkorea wurden Modelle basierend auf maschinellem Lernen entwickelt, die Daten aus der elektronischen Gesundheitsakte analysieren und ein Dysphagierisiko vorhersagen können. Die Modelle werden mit Gesundheitsdaten trainiert (Park et al., 2023). Bei Martin-Martinez et al. (2023) wurden auch soziodemographische Daten und Variablen zur Funktionalität und Gebrechlichkeit miteinbezogen. Alle ML-Modelle haben gute bis sehr gute Qualitäten mit einer AUROC von 0,81 (Park et al., 2023) bis 0,97 (Gugatschka et al., 2024). Die Modelle können ein Risiko nur dann zuverlässig vorhersagen, wenn genügend Daten in den Patientenakten eingetragen sind. Dennoch können systemische Screenings mittels maschinellen Lernens ressourcensparend Risikovorhersagen treffen und somit die Folgen und Kosten von Dysphagie reduzieren. Gerade auf Stationen, die weniger Dysphagieerfahrung haben und bei Patientinnen und Patienten, die nicht ansprechbar sind, kann Dysphagie frühzeitig erkannt und früh interveniert werden (Martin-Martinez et al., 2023; Park et al., 2023). Die Auswertung von FEES und VFSS braucht viel Übung, ist zeitintensiv und sehr komplex. Hierfür werden gerade verschiedene KI-Modelle basierend auf maschinellem Lernen oder Deep Learning entwickelt. Konradi et al. (2022) und Weng et al. (2022) entwickelten Modelle 0 10 20 30 40 50 60 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 Anzahl Publikationen Jahr Publikationen zu künstlicher Intelligenz und Dysphagie auf PubMed 31 für FEES-Bilder. Im Gegensatz zum Deep Learning Modell von Weng et al. (2022) bleibt das Modell von Konradi et al. (2022) erklärbar. Weitere KI-Modelle arbeiten mit Bildern aus VFSS. Zhang et al. (2021) fokussierten sich auf anatomische Orientierungspunkte. Im Gegensatz dazu entwickelten J. K. Kim et al. (2022) und Iida et al. (2023) KI-Modelle, die Aspirationen und Penetrationen in einem VFSS-Video erkennen. Die Deep-Learning-Modelle sind BlackBox-Prozesse, das heisst, für die Fachperson ist nicht nachvollziehbar, wie die KI auf ihre Ergebnisse gekommen ist. S. Y. Jeong et al. (2023) nutzen in ihrem KI-Modellen räumlichzeitliche Parameter des Schluckens. Während sich die meisten Modelle auf einzelne Teile des Schluckaktes oder der Analyse fokussieren, haben C.-W. Jeong et al. (2024) ein Modell entwickelt, welches ganze VFSS-Videos analysiert. In nur 40–60 Sekunden hat der Algorithmus das gesamte Video analysiert, in orale, pharyngeale und ösophageale Phase eingeteilt und mit einer 90-prozentigen Genauigkeit Aspiration und Penetration erkannt. Die Ergebnisse der verschiedenen Modelle sind vielversprechend. Die Trainingsund Testphasen ergaben bei allen Studien gute bis sehr gute Ergebnisse. Gerade die Sensitivität ist bei den KI-Modellen höher als beim Menschen. Für die Dysphagiediagnostik ist dies von grosser Bedeutung. Innert weniger Sekunden steht ein zuverlässiges Ergebnis, was sehr ressourcensparend ist. Viele Entwicklungsteams geben an, dass für eine zuverlässige Vorhersage und Implementierung in das System noch sehr viel mehr Daten für das Training der KI-Modelle benötigt werden. Zurzeit sind die Modelle anfällig auf schlechte Bildqualitäten oder fehlende Informationen (Iida et al., 2023; S. Y. Jeong et al., 2023; C.-W. Jeong et al., 2024; Zhang et al., 2021). Schlussendlich bleiben VFSS und FEES invasive Diagnostikverfahren. Trotz der Vereinfachung, die KI bei deren Analyse mit sich bringt, können und sollen sie nicht beliebig oft am Patienten durchgeführt werden. Um diesem Problem zu begegnen, beschäftigen sich einige KI-Lösungen mit non-invasiven Dysphagiediagnostikmethoden. Studien haben die Machbarkeit von Stimmerkennung mittels künstlicher Intelligenz überprüft. Während Roldan-Vasco et al. (2021) und J. K. Kim et al. (2022) Aufnahmen in einem künstlichen Setting gemacht haben, nahmen Saab et al. (2023) Stimmproben direkt am Patientenbett auf, um möglichst authentische Daten zu erhalten. Die Schwierigkeit dabei ist es, eine Tonaufnahme in visuelle und für die KI lesbare Daten umzuwandeln. Alle Modelle, die zur Spracherkennung analysiert wurden, zeigen gute Ergebnisse, besonders, wenn einzelne Modelle kombiniert wurden. Der Vorteil dieser Modelle, die die Stimme als Biomarker für Dysphagie nutzen, ist, dass sie in Zukunft auch für eine telemedizinische Diagnostik eingesetzt werden können. Stimmproben können zu Hause aufgenommen und durch eine künstliche Intelligenz analysiert werden. Durch die künstliche Intelligenz wird die Stimmanalyse als Bestandteil der Dysphagiediagnostik objektivierbar. Zuletzt gibt es Entwicklungen, die die zervikale Auskultation durch den Einsatz von künstlicher Intelligenz objektivieren. Khalifa et al. (2020) haben Vibrationen während des Schluckens aufgezeichnet und 32 in für die KI lesbare Textformate umgewandelt. Suzuki et al. (2022) haben mit dem elektronischen Stethoskop Schluckgeräusche aufgezeichnet und eine KI entwickelt, die es schafft, das komplexe Geräusch in einzelne Bestandteile zu unterteilen. Beachtet man die Herkunft der Studien, wird deutlich, dass ein Grossteil der Entwicklung von künstlicher Intelligenz im Zusammenhang mit Dysphagie im asiatischen Raum passiert. Acht der 15 bearbeiteten Studien sind aus Asien (davon fünf aus Südkorea und drei aus Japan). Aber auch im DACH-Raum und in Nordamerika gibt es einige Entwicklungen zu KI und Dysphagie. Die KI-Modelle werden bislang, so weit bekannt, nur in den entsprechenden Kliniken verwendet oder sind noch nicht implementiert. Die Gefahr besteht, dass solche Entwicklungen nur im Forschungskontext bleiben und nicht in den Praxisalltag integriert werden können (Hochschule für Gesundheit Bochum, 2023). Künstliche Intelligenz lässt noch viele Fragen offen und stellt die Logopädie vor ethisch-rechtliche Herausforderungen. Einerseits können Algorithmen einen menschlichen Bias widerspiegeln oder sogar neue erzeugen. Um dem entgegenzuwirken, müssen, die Trainingsdaten möglichst repräsentativ für den späteren Anwendungszweck sein, wie die Studienautoren selbst betonen. Gerade bei Black-Box-Modellen besteht die Gefahr, dass die Ergebnisherleitung nicht mehr nachvollziehbar ist. So können Fehler nicht mehr erkannt und falsche Ergebnisse erzielt werden. Zuletzt wird bei der Verwendung von künstlicher Intelligenz mit einer grossen Datenmenge gearbeitet, der Datenschutz sollte dabei weiterhin gewährleistet sein (Ehlert & Lüdtke, 2023). Klar ist – dies haben die bearbeiteten Studien gezeigt – dass KI sehr grosses Potenzial dazu hat, die Dysphagiediagnostik sicherer, effizienter und ressourcensparender zu gestalten. Dies in verschiedenen Kategorien: als Screening-Tool, zur Unterstützung bei FEES oder VFSS, sowie bei non-invasiven Diagnostikansätzen mittels Stimmproben oder zervikaler Auskultation. 33 7. Zusammenfassung Die vorliegende Bachelorarbeit befasst sich mit neuen Technologien bei der Behandlung von oropharyngealen Dysphagien. Dabei lassen sich die neuen Technologien in drei Kategorien teilen – Telemedizin, mobile Apps und künstliche Intelligenz. Es hat sich gezeigt hat, dass die drei Kategorien miteinander in Beziehung stehen. So kann die Anwendung von mobilen Apps beispielsweise als asynchrone Telemedizin verstanden werden. Ebenso könnte künstliche Intelligenz zukünftig zur telemedizinischen Diagnostik eingesetzt werden. Grundsätzlich verfolgen alle Entwicklungen das gleiche Ziel: Sie wollen eine frühzeitige und optimale Intervention bei Dysphagie sicherstellen und dem Fachkräftemangel entgegenwirken. Seit der COVID-19-Pandemie wird die Telemedizin nicht mehr nur in grossflächigen Ländern wie Australien oder den USA verwendet. Über Informationsund Kommunikationstechnologien werden Ferndiagnostik und -therapien erfolgreich durchgeführt. Ebenfalls wird die Telemedizin eingesetzt, um sich über Kontinente hinweg mit anderen Fachpersonen zu verknüpfen und sich weiterzubilden. Für Patientinnen und Patienten bringt die Telemedizin viele Vorteile mit sich. Sie können sich Reisewege sparen und in ihrem gewohnten Umfeld von einer Fachperson begleitet werden. Voraussetzungen sind entsprechende Geräte und eine ausreichende Internetverbindung. Die Telemedizin bietet eine Alternative zur konventionellen Face-to-FaceTherapie. Ein signifikanter Unterschied der Schluckfähigkeit bei der Face-to-Face-Therapie und der telemedizinischen Dysphagiebehandlung konnte nicht belegt werden. Auf digitalen Plattformen gibt es zahlreiche mobile Apps zum Thema Dysphagie, wovon nur wenige validiert sind. Die Apps dienen der Unterstützung von Heimtraining. Es gibt auch Apps mit Biofeedback-Elementen. Sie zeigen vor allem Wirkung in der Therapietreue. Für Patientinnen und Patienten scheint es einfacher zu sein, dem Therapieplan mittels einer App zu folgen. Zurzeit unterscheiden sich die Übungsergebnisse mit einer App nicht signifikant gegenüber der konventionellen Therapie. Die Apps haben unterschiedliches Zielpublikum. Apps für neurogene Dysphagien wurden in dieser Arbeit nicht bearbeitet. Aktuell finden sich vor allem englischsprachige Apps. Im deutschsprachigen Raum gibt es Entwicklungen. Die grösste Entwicklung zeigt sich bei der künstlichen Intelligenz, dies in drei Bereichen. Erstens wird künstliche Intelligenz in einigen Spitälern eingesetzt, um Neueintritte aufgrund von Daten in ihren elektronischen Gesundheitsakten nach einer potenziellen Dysphagie zu screenen. Diese Entwicklung wird sich vor allem auf weniger geschulte Stationen positiv auswirken. Zweitens entwickeln sich KI-Modelle zur Unterstützung bei der instrumentellen Diagnostik (FEES und VFSS). Dabei gibt es Modelle, die sich auf anatomische Strukturen, Aspiration und Penetration, räumlich-zeitliche Schluckkomponenten oder den gesamten Schluckablauf fokussieren. Die Modelle erreichen gute bis sehr gute Werte und sind vielversprechend. Drittens gibt es Entwicklungen für non-invasive Dysphagiediagnostik, einerseits über die Stimmanalyse und andererseits über die zervikalen Auskultationen. Es werden allerdings noch sehr viel mehr 34 Daten gebraucht für das weitere Training der KI-Modelle. Dysphagiepatientinnen und -patienten sind im Allgemeinen zufrieden mit der Anwendung von neuen Technologien. Interessant bleibt es, zu sehen, wie die neuen Technologien weiterhin erfolgreich in den klinischen Alltag implementiert werden können und welche Auswirkungen diese Anwendungen und die Entwicklung schlussendlich auf die Dysphagiebehandlung haben. Zurzeit kann man davon ausgehen, dass die Arbeit der Logopädinnen und Logopäden durch die Entwicklung neuer Technologien entlastet und die frühzeitige und langfristige Versorgung von Dysphagiepatientinnen und -patienten unterstützt wird. Logopädinnen und Logopäden werden durch telemedizinische, appbasierte und künstlich intelligente Technologien ergänzt und vereinfacht, aber nicht ersetzt, zumindest noch nicht. 35 Literaturverzeichnis AppAgg Aggregator-Anwendung. (n. d.). AppAgg. Verfügbar unter: https://appagg.com/?hl=de Beckers, R. & Marx, G. (2021). Telekooperation Telemonitoring Teletherapie: Begriffserklärungen. In G. Marx, N. Marx & R. Rossaint (Hrsg.), Telemedizin Grundlagen und praktische Anwendung in stationären und ambulanten Einrichtungen (S. 3–9). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-60611-7 Bilda, K. (2017a). Digitalisierung im Gesundheitswesen: Trends und neue Entwicklungen. Forum Logopädie, 3(31), 6–9. Bilda, K. (2017b). Potenziale und Barrieren. In K. Bilda, J. Mühlhaus & U. Ritterfeld (Hrsg.), Neue Technologien in der Sprachtherapie (S. 20–34). Stuttgart: Georg Thieme Verlag. Bilda, K. (2021). Digitale Logopädie: Neue Wege in Diagnostik und Therapie (Spektrum Patholinguistik). In T. Fritzsche, S. Breitenstein, H. Wunderlich & L. Ferchland (Hrsg.), Spektrum Patholinguistik Schwerpunktthema: Klick für Klick: Schritte in der digitalen Sprachtherapie (Band 14, S. 77–82). Potsdam: Universitätsverlag Potsdam. https://doi.org/10.25932/publishup-50016 Bosch, G., Comas, M., Domingo, L., Guillen‐Sola, A., Duarte, E., Castells, X. et al. (2023). Dysphagia in hospitalized patients: Prevalence, related factors and impact on aspiration pneumonia and mortality. European Journal of Clinical Investigation, 53(4), e13930. https://doi.org/10.1111/eci.13930 Brandl, R. & Ellis, C. (2023). ChatGPT-Statistiken 2024 Alle aktuellen Zahlen über den Chatbot von OpenAI. ToolTester. Verfügbar unter: https://www.tooltester.com/de/blog/chatgpt-statistiken/#Die_wichtigsten_Zahlen Bräutigam, C., Enste, P., Evans, M., Hilbert, J., Merkel, S. & Öz, F. (2017). Digitalisierung im Krankenhaus Mehr Technik - bessere Arbeit? Düsseldorf: Hans-Böckler-Stiftung. Verfügbar unter: https://hdl.handle.net/10419/173275 36 Constantinescu, G., Kuffel, K., King, B., Hodgetts, W. & Rieger, J. (2019). Usability testing of an mHealth device for swallowing therapy in head and neck cancer survivors. Health Informatics Journal, 25(4), 1373–1382. https://doi.org/10.1177/1460458218766574 Constantinescu, G., Loewen, I., King, B., Brodt, C., Hodgetts, W. & Rieger, J. (2017). Designing a Mobile Health App for Patients With Dysphagia Following Head and Neck Cancer: A Qualitative Study. JMIR Rehabilitation and Assistive Technologies, 4(1), e3. https://doi.org/10.2196/rehab.6319 Ehlert, H. & Lüdtke, U. (2023). Künstliche Intelligenz (KI) in der Logopädie. Forum Logopädie, 37(6), 6–11. Eibl, K. (2019). Sprachtherapie in Neurologie, Geriatrie und Akutrehabilitation. München: Elsevier. https://doi.org/10.1016/B978-3-437-45501-8.00020-3 Eiermann, N. (n. d.). Phagifit Dysphagietherapie neu gedacht. phagifit. Verfügbar unter: https://www.phagifit.de Frank, U., Pluschinski, P., Hofmayer, A. & Duchac, S. (2021). Grundlagen. In U. Frank, P. Pluschinski, A. Hofmayer & S. Duchac (Hrsg.), FAQ Dysphagie : Antworten - prägnant und praxisnah (S. 1–24). München: Elsevier. Frieg, H. (2017). Evidenz neuer Technologien in der Behandlung neurogener Sprach-, Sprech-, Stimmund Schluckstörungen. In K. Bilda, J. Mühlhaus & U. Ritterfeld (Hrsg.), Neue Technologien in der Sprachtherapie (S. 65–74). Stuttgart: Georg Thieme Verlag. https://doi.org/10.1055/b-004-129736 Giallombardo, A., Zauke, S., Huckele, P., Hitz, L., Hohlwegler, M., Roos, L. et al. (2019). Gut verdaut? Nächste Schritte in der EBP: Literaturrecherche und -bewertung. DLV aktuell, (2), 14–16. Grießl, W. & Stachowiak, F. J. (1994). Speech therapy, new developments and results in LingWare (Lecture Notes in Computer Science). In W.L. Zagler, G. Busby & R.R. Wagner (Hrsg.), Computers for Handicapped Persons (Band 860, S. 371–378). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/3-540-584765_154 37 Gugatschka, M., Egger, N. M., Haspl, K., Hortobagyi, D., Jauk, S., Feiner, M. et al. (2024). Clinical evaluation of a machine learning-based dysphagia risk prediction tool. European Archives of Oto-Rhino-Laryngology, 281, 4379–4384. https://doi.org/10.1007/s00405-024-08678-x Hawighorst, M. & Elsuson, H. A. (2023). Logopädische Versorgung von PatientInnen in ländlichen Regionen Dys-phappgy – Prototyp einer Schluckstörungs-App. Lichterschatten Therapiezentrum. Verfügbar unter: https://therapie.lichterschatten.de/forschung/dysphappgy/ Hilbert, J. & Paulus, W. (2018). Logopädie zwischen Digitalisierung und Unterfinanzierung: Ein Bericht aus der Praxis. Forschung aktuell. Hochschule für Gesundheit Bochum. (2023). HS Gesundheit initiiert internationales Projekt im Bereich KI-basierter Schluckdiagnostik. Gesundheitscampus Hochschule Bochum. Verfügbar unter: https://www.hs-gesundheit.de/aktuelles/details/hs-gesundheit-initiiert-internationales-projekt-im-bereich-ki-basierter-schluckdiagnostik Hochschule für Gesundheit Bochum. (2024). Versorgungslücken in der Logopädie mit KI schließen. Gesundheitscampus Hochschule Bochum. Verfügbar unter: https://www.hs-gesundheit.de/aktuelles/details/versorgungsluecken-in-der-logopaedie-mit-ki-schliessen Iida, Y., Näppi, J., Kitano, T., Hironaka, T., Katsumata, A. & Yoshida, H. (2023). Detection of aspiration from images of a videofluoroscopic swallowing study adopting deep learning. Oral Radiology, 39(3), 553–562. https://doi.org/10.1007/s11282-023-00669-8 Jeong, C.-W., Lee, C.-S., Lim, D.-W., Noh, S.-H., Moon, H.-K., Park, C. et al. (2024). The Development of an Artificial Intelligence Video Analysis-Based Web Application to Diagnose Oropharyngeal Dysphagia: A Pilot Study. Brain Sciences, 14(6), 546. https://doi.org/10.3390/brainsci14060546 Jeong, S. Y., Kim, J. M., Park, J. E., Baek, S. J. & Yang, S. N. (2023). Application of deep learning technology for temporal analysis of videofluoroscopic swallowing studies. Scientific Reports, 13(1), 17522. https://doi.org/10.1038/s41598-023-44802-3 38 Kantarcigil, C. & Malandraki, G. A. (2017). First Step in Telehealth Assessment: A Randomized Controlled Trial to Investigate the Effectiveness of an Electronic Case History Form for Dysphagia. Dysphagia, 32(4), 548–558. https://doi.org/10.1007/s00455-0179798-y Karlsson, F., Lovric, L., Matthelié, J., Brage, L. & Hägglund, P. (2023). A Within-Subject Comparison of Face-to-Face and Telemedicine Screening Using the Timed Water Swallow Test (TWST) and the Test of Mastication and Swallowing of Solids (TOMASS). Dysphagia, 38(1), 483–490. https://doi.org/10.1007/s00455-022-10490-w Khalifa, Y., Coyle, J. L. & Sejdić, E. (2020). Non-invasive identification of swallows via deep learning in high resolution cervical auscultation recordings. Scientific Reports, 10(1), 8704. https://doi.org/10.1038/s41598-020-65492-1 Khan, M. M., Manduchi, B., Rodriguez, V., Fitch, M. I., Barbon, C. E. A., McMillan, H. et al. (2022). Exploring patient experiences with a telehealth approach for the PRO-ACTIVE trial intervention in head and neck cancer patients. BMC Health Services Research, 22(1), 1218. https://doi.org/10.1186/s12913-022-08554-6 Kim, H., Cho, N.-B., Kim, J., Kim, K. M., Kang, M., Choi, Y. et al. (2020). Implementation of a Home-Based mHealth App Intervention Program With Human Mediation for Swallowing Tongue Pressure Strengthening Exercises in Older Adults: Longitudinal Observational Study. JMIR mHealth and uHealth, 8(10), e22080. https://doi.org/10.2196/22080 Kim, H., Lee, S.-H., Cho, N.-B., You, H., Choi, T. & Kim, J. (2020). User-Dependent Usability and Feasibility of a Swallowing Training mHealth App for Older Adults: Mixed Methods Pilot Study. JMIR mHealth and uHealth, 8(7), e19585. https://doi.org/10.2196/19585 Kim, J. K., Choo, Y. J., Choi, G. S., Shin, H., Chang, M. C. & Park, D. (2022). Deep Learning Analysis to Automatically Detect the Presence of Penetration or Aspiration in Videofluoroscopic Swallowing Study. Journal of Korean Medical Science, 37(6), e42. https://doi.org/10.3346/jkms.2022.37.e42 45 verbessert werden, wobei ein hohes Maß an Sicherheit für das Klinikpersonal gewährleistet war. (Soyama et al., 2023) Exploring patient experiences with a telehealth approach fort he PROACTIVE trial intervention in head and neck cancer patients M.M Khan, B. Manduchi, V. Rodrigues, M.I. Fitch, C.E.A.Barbon, H. McMillan, K.A. Hutcheson, R. Martino/ 2022/ Kanada, USA Qualitativ deskrpitive Studie Erfahrungen der Patienten mit der telemedizinischen Schlucktherapie während der Strahlentherapie im Rahmen der PROACTIVE-Studie aus ihrer Patientensicht zu verstehen. 11 Teilnehmenden aus der Pro-Active Studie mit KopfHals-Tumor Elf Teilnehmenden berichteten über ihre Erfahrungen mit der Telemedizin und gaben an, dass sie sich mit der/den Sitzung(en) zufrieden, wohl und sicher fühlten. Sie gaben an, dass frühere Erfahrungen mit Telekonferenzen, der Zugang zu optimaler technischer Ausrüstung, die Kompetenz des Logopäden/Logopädin und die Unterstützung durch das Pflegepersonal ihre Teilnahme an der Telemedizin erleichtert haben. Die Teilnehmenden betonten, dass die Telemedizin vorteilhaft sei, da sie die Pendelzeit, die COVID-19-Belastung und die Ermüdung durch die Reise reduziere und auch die Teilnahme der Betreuer insbesondere während des COVID ermögliche. Im Vergleich zwischen den persönlichen Logopädiesitzungen und den telemedizinischen Therapien wurden auch Einschränkungen genannt, darunter: mangelnde Erfahrung mit und/oder schlechter Zugang zur neuen Technologie und weniger Möglichkeiten zur Personalisierung. Die Teilnehmer gaben an, dass sie das Telefon allein weniger bevorzugten als eine Audio-/Video-Plattform. (Khan et al., 2022) 46 A Within-Subject Comparison of Face-to-Face and Telemedicine Screening Using the Timed Water Swallow Test (TWST) and the Test of Mastication and Swallowing of Solids (TOMASS) Frederik Karlsson, Leo Lovric, Josephine Matthelié, Louise Brage, Patricia Hägglund/ 2023/ Schweden WithinSubject Comparison -Untersuchen ob TWST und TOMASS, die vollständig über die Telemedizin verabreicht werden, eine zuverlässige Alternative darstellen, wenn eine persönliche Verabreichung nicht praktikabel oder nicht ratsam ist. -Untersuchen bei welchen TWSTund TOMASS-Ergebnissen stärkere Abweichungen zwischen persönlicher und telemedizinischer Durchführung auftreten können. 48 Teilnehmenden zwischen 60-90 mit subjektiven Schluckbeschwerden, diagnostizierter Dysphagie oder vermuteten Schluckbeschwerden aufgrund des Alters Die Ergebnisse zeigten ein hohes Maß an Übereinstimmung zwischen den Ergebnissen des persönlichen und des telemedizinischen Screenings für TWST bzw. TOMASS. Die Bewertungen ergaben eine 83%ige bzw. 76%ige Übereinstimmung Der TWST zeigte eine ausgewogene Verteilung der unterschiedlichen Klassifizierung in der Telemedizin (0,16-0,19 Fehlerraten). Das TOMASS-Verfahren stufte bei der Telemedizin mehr Teilnehmer als außerhalb der normalen Grenzen ein als bei der persönlichen Durchführung. Die meisten Teilnehmer (60 %) gaben an, dass sie eine telemedizinische Untersuchung einer persönlichen Untersuchung vorziehen würden, und 90 % hielten das Verfahren für leichter zugänglich als erwartet. Alle Teilnehmer waren mit den telemedizinischen Verfahren zufrieden. Die Ergebnisse deuten darauf hin, dass die klinische Beurteilung von Dysphagie mittels Telemedizin unter Verwendung des TWST und TOMASS eine praktikable Alternative zur persönlichen Durchführung der Verfahren darstellt. (Karlsson et al., 2023) The neurogenic dysphaiga management via Cristina Reverberi, Giorgia Gottardo, Irene Systemische -Die Evidenz in der Literatur bezüglich der Behandlung 16 Studien zu Telemedizin bei Patienten mit Die Forschung zeigt, dass die Mehrheit der Studien über neurogene Dysphagie die klinische 47 telemedicine: a systematic review Battel, Elena Castagnetti/ 2022/ Italien Übersichtsarbeit neurogener Dysphagie mittels Telerehabilitation im Vergleich zu einer persönlichen Rehabilitationsbehandlung zu untersuchen. -sekundäres Ziel: Empfehlungen für TelerehabilitationsSitzungen für Patienten, bei denen eine neurogene Dysphagie diagnostiziert wurde, zu erstellen. neurogener Dysphagie Schluckuntersuchung per Telerehabilitation mit der persönlichen Modalität verglich. Auf der Grundlage der Ergebnisse dieser systematischen Übersichtsarbeit und der qualitativen Analyse entwickelten die Autoren praktische Empfehlungen für das Management von Telerehabilitations-Sitzungen für Patienten mit neurogener Dysphagie. Trotz der vorhandenen Barrieren ermöglichte die Telerehabilitation die Bereitstellung von Gesundheitsleistungen und einen verbesserten Zugang zu Pflege und Dienstleistungen mit spezialisierten Fachkräften; die Telerehabilitation kann eine wertvolle Ressource während eines gesundheitlichen Notfalls aufgrund von CoVid-19 sein. (Reverberi et al., 2022) Effectiveness of HomeBased Telerehabilitation Interventions for Dysphagia in Patients With Head and Neck Cancer: Systematic Review Wenwen Yang, Yifei Du, Mengran Chen, Sufang Li, Fan Zhang, Peiyang Yu, Xiaoxia Xu/ 2023/ China Systematische Übersichtsarbeit Belege für die Wirksamkeit der Telerehabilitation zur Verringerung physiologischer und funktioneller Beeinträchtigungen des Schluckens sowie zur Verbesserung der Adhärenz und der damit verbundenen Einflussfaktoren bei Kopfund Halskrebs13 Studien (7 randomisierte, kontrollierte Studien, 5 quasi-experimental Studien, 1 Kohorten Studie) -> Studien zu KopfHals-Tumoren Die Qualitätsbewertung ergab, dass die eingeschlossenen Studien von mäßiger bis guter Qualität waren. Die Ergebnisse zeigten, dass die häusliche Telerehabilitation die Sicherheit des Schluckens und der oralen Ernährung, den Ernährungszustand und die schluckbezogene Lebensqualität verbesserte, negative Emotionen verringerte, die Adhärenz bei der Schluckrehabilitation verbesserte, von den Teilnehmern als sehr zufriedenstellend und unterstützend bewertet wurde und kosteneffektiv war. 48 Patienten zu untersuchen. Darüber hinaus wurden in dieser Übersichtsarbeit Faktoren untersucht, die die Wirksamkeit der Tele-Rehabilitation beeinflussten. Dazu gehörten ein ausgewogenes Verhältnis zwischen der Art des Schlucktrainings, der Intensität, der Häufigkeit, der Dauer und den individuellen motorischen Fähigkeiten, die Behandlung von Nebenwirkungen der Strahlentherapie, der Zugang zu medizinischen, motivierenden und edukativen Informationen, die Bereitstellung von Feedback zum Training, die Kommunikation und Unterstützung durch Logopäden und Logopädinnen, Familien und andere Betroffene sowie die Bewältigung technischer Probleme. (Yang et al., 2023) First Step in Telehealth Assessment: A Randomized Controlled Trial to Investiagte the Effectiveness of an Electronic Case History Form for Dysphagia Cagla Kantarcigil, Georgia A. Malandraki/ 2017/ USA Randomisierte kontrollierte Studie -Ein elektronisches AnamneseTool/Formular (eHiT) für Dysphagie zu entwickeln und seine Wirksamkeit mit der papierbasierten Version (PBV) in Bezug auf Ausfüllzeit, Vollständigkeit, Unabhängigkeit und Patientenwahrnehmung/-zufriedenheit zu vergleichen. 40 Teilnehmende zwischen 18-85, Englisch als Erstsprache, Punktewert von 3 oder mehr im EAT-10 und normal bis mild im MOCA. Es gab keine statistisch signifikanten Unterschiede bei der Bearbeitungszeit (p = 0,743), der Vollständigkeit (p = 0,486) und der Unabhängigkeit (p = 0,738). Die Wahrnehmung/Zufriedenheit der Patienten war mit dem e-HiT signifikant höher (p = 0,004). Darüber hinaus wurde ein signifikanter Zusammenhang zwischen der Bearbeitungszeit und dem Alter festgestellt (p = 0,0063). Unsere Ergebnisse deuten darauf hin, dass das Ausfüllen des eHiT genauso zeitsparend ist wie das Ausfüllen des PBV und dass beide Formulare die gleiche Menge an 49 -Untersuchen von Zusammenhänge zwischen den oben genannten Variablen und Prädiktorvariablen wie Alter, Kognition und Computer-/Internetnutzung. Informationen ohne oder mit minimaler Unterstützung liefern. Das Ausfüllen des e-HiT führt zu signifikant höheren Zufriedenheitswerten. (Kantarcigil & Malandraki, 2017) Interdisciplinary Telemedicine in the Management of Dysphagia in Head and Neck Mydhili Mayadevi, Krishnakumar Thankappan, Shashikant Vishnubhai Limbachiya, Sivakumar Vidhyadharan, Brenda Villegas, Melody Ouyoung, Deepak Balasubramanian, Jayakumar R. Menon, Uttam Sinha, Subramania Iyer/ 2018/ Indien, USA Retrospektive Analyse Wirksamkeit interdisziplinärer telemedizinscher Gespräche im Hinblick auf die Verbesserung der Nahrungsaufnahme der Probanden zu untersuchen, indem die Functional Oral intake scale (FOIS) [13] als Ergebnismaß verwendet wurde. 26 Patientinnen und Patienten mit Dysphagie infolge einer Kopf-Hals-Pathologie Der durchschnittliche FOIS-Wert vor der Behandlung lag bei 1,46 mit einer Standardabweichung von 0,989 und verbesserte sich nach der Behandlung auf 3,92 mit einer Standardabweichung von 1,809 (p \ 0,0001). Die Studie belegt den Erfolg eines interdisziplinären telemedizinischen Treffens zur Behandlung schwieriger Fälle von Schluckstörungen im Kopfund Halsbereich. Die Ergebnisse hinsichtlich des FOIS-Scores verbesserten sich nach der Durchführung der Sitzungen erheblich. Zusätzlich zu den direkten Vorteilen für die Patienten trug der Austausch dazu bei, die abteilungsübergreifende Zusammenarbeit zwischen zwei Abteilungen zu erleichtern, die weltweit ähnliche Patientengruppen in speziellen klinischen Bereichen wie dem Dysphagie-Management behandeln. (Mayadevi et al., 2018) 50 Mobile Apps Feasibility of a Mobile Application to Enhance Swallowing Therapy for Patients Undergoing Radiation-Based Treatment for Head and Neck Cancer Heather M. Starmer; Rina Abrams; Kimberly Webster; Jennifer Kizner; Beth Beadle; F. Christopher Holsinger; Harry Quon; Jeremy Richmon/ 2018/ USA Machbarkeitsstudie Ziel dieser Untersuchung war es, die Machbarkeit einer mobilen App zu erforschen, die die Einhaltung der Schlucktherapie während einer Strahlenbehandlung durch den Patienten unterstützt. 36 Teilnehmenden ( 30 oropharyngealer Primärtumor, 2 sinonasaler Primärtumor, 2 Thyroid Primärtumor, 1 Larynx Primärtumor, 1 Mundhöhle Primärtumor) 80 % der Teilnehmer nutzten die App während der Behandlung und protokollierten im Laufe der Behandlung durchschnittlich 102 Trainingseinheiten. 25 % der Teilnehmer protokollierten während des 7-wöchigen Behandlungszeitraums mindestens zwei Trainingseinheiten pro Tag und 53 % mindestens eine Sitzung pro Tag. Die Abschlussbefragungen zu den Erfahrungen der Patienten mit der mobilen VibrentTM-App waren weitgehend positiv, lieferten aber auch umsetzbare Strategien zur Verbesserung künftiger Versionen der Anwendung. Die VibrentTM-Mobilanwendung scheint ein Werkzeug zu sein, das sich gut in die bestehende Patientenbetreuung integrieren lässt und die Patienten bei der Einhaltung der Behandlungsempfehlungen unterstützen und die Kommunikation zwischen Patienten und Anbietern zwischen den Sitzungen erleichtern kann. (Starmer et al., 2018) Head and Neck Virtual Coach: A Randomized Control Trial of Mobile Health as an Adjunct to Swallowing Therapy During Head and Neck Radiation Heather M. Starmer David Klein Aisha Montgomery Tessa Goldsmith Liane McCarroll Jeremy Richmon F. Christopher Holsinger Beth Beadle Randomisierte kontrollierte Studie Untersuchung, wie sich der HNC Virtual Coach auf die Adhärenz und die Schluckergebnisse auswirkt, indem die Teilnehmer, die die mobile App nutzen, 44 in der Experimentalgruppe und 47 in der Kontrollgruppe mit primären Kopfund Halstumoren in der Mundhöhle, Zu den Ergebnismessungen gehörten Adhärenzraten, physiologische Messwerte, die während einer modifizierten Barium-Schluck-Studie erhoben wurden, von Patienten berichtete Ergebnisse, Ernährungswerte (FOIS, PSSHN) und die Qualität der erhaltenen Informationen. Patienten, die den 51 Praduman/ 2023/ USA mit denen verglichen wurden, die nur die klinische Standardversorgung und Papierprotokolle erhielten. im Oropharynx, Nasopharynx, Larynx und Hypopharynx, die eine beidseitige Bestrahlung des Halses erforderten HNC Virtual Coach nutzten, hielten sich während der Strahlentherapie tendenziell besser an die Behandlungsempfehlungen. Eine bessere Befolgung der Behandlungsempfehlungen war mit einer besseren Lebensqualität verbunden, nicht aber mit einer besseren physiologischen Funktion 2-3 Monate nach Abschluss der Bestrahlung. Die Ergebnisse deuten darauf hin, dass eine mobile Gesundheitsanwendung für einige Patienten, die sich einer Kopfund Halsbestrahlung unterziehen, von Nutzen sein könnte. (Starmer et al., 2023) User-Dependent Usability and Feasibility of a Swallowing Training mHealth App for Older Adults: Mixed Methods Pilot Study HyangHee Kim; SangHo Lee; Nam-Bin Cho; Heecheon You; Teukgyu Choi; Jinwon Kim/ 2020/ Südkorea Mixed Methods Pilotstudie Ziel dieser Pilotstudie war es, die Benutzerfreundlichkeit von Schlucktrainings-Apps durch die quantitative und qualitative Auswertung der Daten älterer Erwachsener unter Berücksichtigung ihres Bildungsniveaus und ihres Umgangs mit neuen Technologien 11 Teilnehmende über 65 Jahre, mit Schluckbeschwerden, Kriterien für MinimentalStatus Test erfüllt, gutes Sehen und Hören, gute motorische Funktionen der oberen Extremitäten, und Tablet oder PC verwenden Die quantitativen Ergebnisse der SUS (System Usability Scale)- und mCSES (modifed Computer self Efficancy Scale)-Erhebungen zeigten, dass die Gruppe mit hohem Potenzial eher bereit war, neue Technologien zu übernehmen und zu erlernen als die Gruppe mit geringem Potenzial. Insbesondere zeigte ein Wilcoxon Signed-Rank-Test innerhalb der Gruppe mit hohem Potenzial, dass die mCSES-Werte nach der Intervention (Median 65,50) signifikant höher waren als die Werte in der zweiten Woche der Intervention (Median 54,00; z=-2,023, P=.04). Darüber hinaus lagen die Werte für die Benutzerfreundlichkeit in der Gruppe mit geringem 52 Potenzial auch nach Abschluss des 8wöchigen Interventionsprogramms im Bereich der „geringen Akzeptanz“. Qualitative Analysen mittels halbstrukturierter Interviews ergaben vielversprechende Ergebnisse hinsichtlich der Akzeptanz der App, der Nutzung des Schulungsprogramms, der emotionalen Reaktionen und der Lernerfahrung. (H. Kim, Lee, et al., 2020) Implementation of a Home-Based mHealth App Intervention Program With Human Mediation for Swallowing Tongue Pressure Strengthening Exercises in Older Adults: Longitudinal Observational Study HyangHee Kim; NamBin; Jinwon Kim; Kyung Min Kim; Minji Kang; Younggeun Choi; Minjae Kim; Heecheon You; Seok In Nam; Soyeon Shin/ 2020/ Südkorea Längsschnittstudie Ziel dieser Studie ist es, die unmittelbaren und langfristigen Erhaltungseffekte einer 8-wöchigen häuslichen mHealth-App-Intervention mit zweiwöchentlicher Kontakt zu untersuchen, die darauf abzielt, den Schluckzungendruck bei älteren Erwachsenen zu verbessern. Gleiche wie H. Kim, Lee (2020) siehe oben Von den 11 Teilnehmern hielten sich 8 an das 8-wöchige App-Therapieprogramm zu Hause mit der optimalen Interventionsdosis. Nach 8 Wochen Interventionsprogramms zeigten die Teilnehmer einen signifikanten Anstieg des Schluckzungendrucks. Langfristige Erhaltungseffekte des Trainingsprogramms auf den Schluckzungendruck wurden jedoch 12 Wochen nach der Intervention nicht beobachtet. (H. Kim, Cho, et al., 2020) Usability testing of an mHealth device for swallowing therapy in head and neck cancer survivors Gabriela Constantinescu, Kristina Kuffel, Ben King, William Hodgetts, Jana Rieger/ 2019/ Kanada Gebrauchtauglichkeitsprüfung Ziel dieser Studie war es, die Benutzerfreundlichkeit eines mobilen Gesundheitssystems (mHealth) für die 5 Erwachsenen mit einer Geschichte von Kopf-Hals-Tumoren Fünf Teilnehmer mit einer Vorgeschichte von Kopfund Halskrebs bewerteten das mHealth-System. Nach einer Einweisung in die Anwendung (App) durch den Arzt wurden die Teilnehmer gebeten, fünf Aufgaben 53 häusliche Schlucktherapie zu testen. selbstständig zu erledigen: das Gerät mit dem Smartphone koppeln, das Gerät richtig platzieren, trainieren, die Fortschrittsanzeigen interpretieren und das System schließen. Mit Hilfe quantitativer und qualitativer Methoden wurden die Effektivität, Effizienz und Zufriedenheit mit dem System bewertet. Bei drei der Aufgaben wurden kritische Änderungen an der App festgestellt, was zu Empfehlungen für die nächste Iteration führte. Diese Probleme betrafen die Einfachheit der Bluetooth-Kopplung, die Platzierung des Geräts und die Interpretation der Statistiken. Bei den Usability-Tests mit Patienten wurden Probleme identifiziert, die vor der Implementierung des mHealth-Systems in späteren klinischen Studien unbedingt behoben werden sollten. Von den verwendeten Usability-Methoden lieferte die Videobeobachtung (synchronisierte Bildschirmaufnahmen mit auf Video aufgezeichneten Gesten) die meisten Informationen. (Constantinescu et al., 2019) Künstliche Intelligenz Clinical evaluation of a machine learning‐based dysphagia risk prediction tool Markus Gugatschka;· Nina Maria Egger; K. Haspl; David Hortobagyi; Stefanie Jauk; Marlies Feiner; Prospektive Validierungsstudie Die Ergebnisse eines auf maschinellem Lernen basierenden Instruments zur Vorhersage des 33784 Menschen, die in den Jahren 2011-2019 in KAGDer AUROC-Wert, der die Unterscheidungsfähigkeit des Algorithmus widerspiegelt, lag bei 0,97. Die Genauigkeit betrug 92,6 % bei einer ausgezeichneten Spezifität und Sensitivität von 98 % bzw. 82,4 %. Bei Patienten mit 54 Diether Kramer/ 2024/ Österreich Dysphagierisikos durch eine klinische Bewertung zu validieren. Krankenhäusern hospitalisiert wurden. Dysphagie-Risiko wurden häufiger ein höheres Alter, ein männliches Geschlecht und die Diagnose eines oropharyngealen Malignoms festgestellt. (Gugatschka et al., 2024) Machine learning predictive model for aspiration screening in hospitalized patients with acute stroke Dougho Park, Seok Il Son, Min Sol Kim, Tae Yeon Kim, Jun Hwa Choi, Sang‐Eok Lee, Daeyoung Hong, Mun‐Chul Kim/ 2023/ Südkorea Retrospektive Vergleichsstudie Vergleich Gugging Swallowing Screen (GUSS), und seinen prädiktiven Wert mit ML-Modellen. 3408 Patientinnen und Patienten nach einem akuten Schlaganfall Folgende ML-Algorithmen wurden angewandt: regularisierte logistische Regressionen (Ridge, Lasso und elastisches Netz), Random Forest, Extreme Gradient Boosting, Support Vector Machines, k-nearest neighbors und Naive Bayes. Schließlich analysierten wir die Daten von 3408 Patienten, von denen 448 eine Aspiration im VFSS aufwiesen. Der GUSS zeigte eine Fläche unter der Receiver Operating Characteristics Curve (AUROC) von 0,79 (0,77-0,81). Das Ridge-Regressionsmodell war das beste Modell unter allen ML-Modellen mit einer AUROC von 0,81 (0,76-0,86) und einem F1Wert von 0,45. Regularisierte logistische Regressionsmodelle zeigten eine höhere Sensitivität (0,66-0,72) als das GUSS-Modell (0,64). Die Analyse der Bedeutung der Merkmale ergab, dass die modifizierte RankinSkala das wichtigste Merkmal für die ML-Leistung war. Die vorgeschlagenen ML-Vorhersagemodelle sind valide und praktisch für das Screening von Aspiration bei Patienten mit akutem Schlaganfall. 61 Prediction of dysphagia aspiration through machine learning-based analysis of patients’ postprandial voices Jung‐Min Kim, Min‐Seop Kim, Sun‐Young Choi, Ju Seok Ryu/ 2024/ Südkorea SingleCentre, prospektive Kohortenstudie Ziel dieser Studie war die Entwicklung eines Machine-Learning-Algorithmus zur Vorhersage des Dysphagie-Status (normal und Aspiration) durch die Analyse der postprandialen Sprachaufnahme Die vortrainierten Modelle (mn40_as und mn30_as) zeigten eine bessere Leistung als die nicht vortrainierten Modelle (mn4.0 und mn3.0). In dieser Studie wurde die Mel-Spektrogrammanalyse und ein MobileNetV3-Modell zur Vorhersage der Schluckstörung verwendet. Diese Forschung unterstreicht das Potenzial der Sprachanalyse für das Screening, die Diagnose und die Überwachung von Dysphagie mit dem Ziel, nicht-invasive, sicherere und effektivere Interventionen zu entwickeln. (J.-M. Kim et al., 2024) Non-invasive identification of swallows via deep learning in high resolution cervical auscultation recordings Yassin Khalifa, James L. coyle, Ervin Sejdić/ 2020/ USA Validierungsstudie Ziel dieser Studie ist es, die Genauigkeit der spektralen Schätzung und der tiefen neuronalen Netze (DNNs) bei der automatischen Erkennung von Schluckaktivitäten sowohl bei Schluckbeschleunigungssignalen als auch bei Schluckgeräuschen zu bewerten. 3144 Schluckgeräusche (davon 603 von Schlaganfall-Patienten, 2451 andere) Unter Verwendung von zeitvariablen spektralen Schätzungen von Schlucksignalen und tiefen neuronalen Netzen wird einen automatischen Segmentierungsalgorithmus für Schluckbeschleunigungsmessung und -geräusche vorgeschlagen, der direkt auf den rohen Schlucksignalen in einer Online-Umgebung arbeitet. Der Algorithmus wurde qualitativ und quantitativ anhand der Schluckdaten von 248 Patienten validiert, wobei über 3000 Schlucke von erfahrenen Logopäden manuell beschriftet wurden. Mit einer Erkennungsgenauigkeit von über 95 % hat der Algorithmus im Vergleich zu den bestehenden Algorithmen eine überragende Leistung gezeigt. Die vorgeschlagene Methode ist nicht nur von großer Bedeutung für 62 alle nachfolgenden Schritte der Schlucksignalanalyse, sondern liefert auch den Beweis, dass solche Signale die physiologische Signatur des Schluckvorgangs erfassen können. (Khalifa et al., 2020) Real‐time assessment of swallowing sound using an electronic stethoscope and an artificial intelligence system Kazuma Suzuki, Yoshitaka Shimizu, Shinichiro Ohshimo, Kana Oue, Noboru Saeki, Takuma Sadamori, Yasuo Tsutsumi, Masahiro Irifune, Nobuaki Shime/ 2022/ Japan Experimentelle Studie Ziel der Studie ist es die Schluckgeräusche durch den kombinierten Einsatz eines elektronischen Stethoskops und eines Systems der künstlichen Intelligenz (KI), das eine Geräuscherkennung beinhaltet, zu beurteilen. 20 freiwillige Zahnmedizinstudierende (10 Männer, 10 Frauen) Es wurden einen neuen Algorithmus zur Indizierung von Schluckgeräuschen mit Hilfe eines Stethoskops und eines KI-Systems entwickelt, der Schluckgeräusche identifizieren kann. Für künftige Forschungsund Entwicklungsarbeiten sind Bewertungen von Patienten mit Dysphagie erforderlich, um die Wirksamkeit des neuen Indexes für das Screening von Schluckstörungen am Krankenbett zu bestimmen. (Suzuki et al., 2022)