Bei digiBRAVE handelt es sich um ein durch das Bayerische Staatsministerium für Gesundheit, Pflege und Pr?vention gef?rdertes multizentrisches Projekt, mit dem Ziel anhand moderner, digitaler Methoden die Entwicklung von depressiven Episoden bei Menschen mit schweren somatischen Erkrankungen vorhersagen, verhindern und die Behandlung f?rdern zu k?nnen.

Dies geschieht mittels einer engen Vernetzung zwischen den Augsburger Universit?ts-Lehrstühlen für digitaler 威尼斯赌博游戏_威尼斯赌博app-【官网】izin, Psychiatrie und Psychotherapie, Neurologie, Ethik, Allgemeinmedizin sowie Epidemiologie wodurch unter digiBRAVE eine Vielzahl an heterogenen und multimethodalen Forschungsvorhaben subsummiert werden k?nnen. Der Lehrstuhl für Psychiatrie und Psychotherapie unter der Leitung von Prof. Dr. med. Alkomiet Hasan agiert hierbei im Sinne eines?digitalen?Stepped-Care-Modells.?

Dies impliziert die Konzeptionierung, die interprofessionelle Durchführung sowie die Evaluation von unterschiedlichen, digitalen Angeboten, welche abh?ngig von Auspr?gung und Schweregrad der depressiven Entwicklung sowie individuellen Pr?ferenzen durch die Patient:innen wahrgenommen werden k?nnen.

insitu ist ein datenbasiertes Unterstützungssystem zur multimodalen Verlaufsbeurteilung bei psychischen Erkrankungen. Es soll dabei?helfen, den Gesundheitsverlauf nach einem station?ren Aufenthalt besser einzusch?tzen.
Entwickelt wird das Tool in Zusammenarbeit mit den Industriepartnern C&S Computer und Software GmbH und AlphaSpeech (Projektleitung) sowie dem Institut für Digitale 威尼斯赌博游戏_威尼斯赌博app-【官网】izin (IDM) der Universit?t Augsburg und der Professur für Diagnostische Sensorik.
Ziel ist es, verschiedene Datenquellen – etwa aus Sensorik und Sprache – mithilfe erkl?rbarer Künstlicher Intelligenz auszuwerten, um Rückf?lle frühzeitig zu erkennen und gezielt Unterstützungsangebote anzusto?en.
In einer klinischen Machbarkeitsstudie wird insitu innerhalb der Versorgungs- und Forschungsstruktur in Augsburg erprobt – mit dem langfristigen Ziel, die Versorgung psychisch Erkrankter zu verbessern und das System perspektivisch auch auf andere Indikationen zu übertragen.