CLOUD56 - Skalierbare Cloud-Architektur für 5G/6G RAN und Applikationen in der Industrie

Der Lehrstuhl für Medizintechnik behandelt das Thema Virtualisierte Assistenzfunktionen in OP und Klinik. Innerhalb dieses Arbeitspaketes werden in drei Use Cases die Vorteile von 5G/6G Campusnetzen und Cloud RAN Deployments für die Anwendung vernetzter Medizingeräte im Operationssaal gezeigt. Das 5G-Campusnetz wird hierbei auf dem Demonstrator-OP am Lehrstuhl für Medizintechnik der RWTH Aachen ausgedehnt. Ausgewählte klinische Assistenzfunktionen werden als containerisierte Services in hybride Cloud-Edge-Deployments überführt und stehen damit allen angebundenen Operationssälen und Behandlungszimmern zur Verfügung.

Die einzelnen Use Cases sind dabei:

Use Case 1: Kabellose Ensemblebildung

Damit Medizingeräte im offen vernetzten Operationssaal miteinander kommunizieren können, ist im ersten Schritt eine Ensemblebildung zwingend notwendig. Dabei werden anhand vorher definierter Merkmale (Position, Tags, etc.) Geräte zueinander assoziiert und ein Geräteverbund (Ensemble) erstellt. Eine SDC Kommunikation nach ISO IEEE 11073 SDC kann und darf nur innerhalb eines solchen Ensembles stattfinden. Besonders kritisch ist die Assoziierung der Geräte durch eine korrekte Authentifizierung und Identifizierung der Anwender und Geräte.

Im vernetzten OP-Saal stellen insbesondere die Mobilität und die Kabellosigkeit neue Herausforderungen für die IT-Sicherheit dar. Daten und Geräte müssen einander korrekt zugeordnet werden und auch beim Patiententransport darf kein fehlerhaftes Ensemble erzeugt werden. In diesem Arbeitspaket werden daher Methoden zur kabellosen Ensemblebildung mittels 5G und SDC untersucht.

Use Case 2: Videostreaming

Besonders hohe Anforderungen gehen aus dem Use Case der drahtlosen Vernetzung eines Endoskopie-Gerätewagens hervor. Virtualisierte Applikationen zur Verarbeitung des Videosignals kommen dabei zum Einsatz. Dies ermöglicht die Verarbeitung des Videostreams mit verschiedenen klinisch relevanten Bildfiltern bzw. erlaubt bildbasierte Vorhersagen (Klassifikation, Detektion, Segmentierung, Interpretation, etc.). Das Ergebnis der klinischen Applikationen kann dem Anwender noch während der OP auf einem zentralen Monitor im OP-Saal angezeigt werden.

Ein leistungsfähiger 5G-Konnektor wird in ein OP-Gerätewagen integriert und der entsprechende Datenstrom im Netzwerk (Quality of Service) kann priorisiert werden, um Verzögerungen oder Ausfälle bei steigender Netzwerkbelastung zu verhindern. Dies stellt eine Herausforderung dar, da die Anforderungen an niedrige Latenz und hohe Datenraten in den herkömmlichen 5G-Anwendungsprofilen (eMBB, URLLC) oft im Konflikt stehen. Das Ergebnis ist die Datenverarbeitung von Videodaten in der Edge-Cloud statt mit kostspieliger redundanter Hardware in OP-Sälen. Vor Ort würde es dann einen Shift zur reinen Sensorik und Anzeigegeräten geben.

Use Case 3: Sprachsteuerung im OP

Auf Basis von lernfähiger Algorithmik wird eine Sprachsteuerung im OP entwickelt, die sichere und gebrauchstaugliche Steuerung von Medizingeräten über einfache Befehle ermöglicht. Zudem werden auch komplexe Anweisungen für die Konfiguration von Applikationen ermöglicht. Die Ziele umfassen die Bestimmung von Akzeptanzkriterien, die Installation einer Sprachsteuerungslösung als Edge-Cloud-Deployment, die universelle Befehlserkennung, die dynamische Gerätesteuerung, die Funktionsbelegung und die Überprüfung der Reaktionszeit und Treffsicherheit bei Fachbegriffen. Die Anwendungsfälle reichen von der Zuweisung von Funktionen zu spezifischen Gerätetasten bis zur Feinjustierung von medizinischen Geräten durch gesprochene Anweisungen. Ein Edge-Cloud-Deployment reduziert die Latenz und eliminiert die Notwendigkeit von Rechenclustern im OP-Saal.