Frauenheilkunde
Die femfeel-App ist eine digitale Begleiterin für Frauen in den Wechseljahren. Die App bietet Übungen, Tipps, Soforthilfen sowie Kurse zu Themen wie Schlaf, Stress, Ernährung und Beckenboden, um typische Beschwerden zu lindern und das Wohlbefinden zu fördern. Entwickelt von Expertinnen und Teil der MEDICE Health Family, ist sie zertifiziert und wird von vielen gesetzlichen Krankenkassen bis zu 100 % erstattet, oft inklusive mehrerer Monate kostenlosem Premium-Zugang.
Forschung
Die Studie „How digital health affects the patient-physician relationship: An empirical-ethics study into the perspectives and experiences in obstetric care“ untersucht die Auswirkungen digitaler Gesundheitstechnologien auf die Arzt-Patienten-Beziehung in der Geburtshilfe. Durch qualitative Interviews mit 25 Teilnehmenden (14 Gesundheitsfachkräfte und 11 Patientinnen) zeigt die Studie, dass digitale Überwachung Patientinnen hilft, ihre Gesundheit besser zu verstehen und gemeinsame Entscheidungsfindung fördert. Dennoch bleibt die klinische Entscheidungsfindung bei Fachkräften, die digitale Daten entweder als objektive Grundlage oder als interpretationsbedürftig ansehen. Die Studie betont die Notwendigkeit, Standardisierung und Kontextualisierung auszubalancieren, und formuliert sechs ethische Empfehlungen für den Einsatz digitaler Technologien in der klinischen Praxis. (Jongsma u. a. 2021)
RI-SPHERES ist ein Forschungsprogramm in Rhode Island, das darauf abzielt, die Risiken von postpartaler Hypertonie zu reduzieren. Es bietet ein technologiegestütztes Blutdrucküberwachungsprogramm, bei dem Teilnehmerinnen einen Bluetooth-fähigen Blutdruckmessgerät und eine App zur Selbstüberwachung, Aufklärung und Unterstützung nutzen. Pflegekräfte unterstützen kontinuierlich, vermitteln soziale Dienstleistungen und fördern die Anbindung an die Primärversorgung. Ziel ist es, durch Zusammenarbeit mit Hausärzten die langfristigen kardiovaskulären Risiken bei postpartalen Patientinnen zu senken.
Die Studie „Nationwide real-world implementation of AI for cancer detection in population-based mammography screening“ wurde im Januar 2025 in Nature Medicine veröffentlicht. In der prospektiven, multizentrischen Beobachtungsstudie PRAIM wurde innerhalb des deutschen Mammographie-Screening-Programms die Leistung einer KI-unterstützten Doppelbefundung mit der konventionellen Doppelbefundung ohne KI verglichen. Zwischen Juli 2021 und Februar 2023 wurden 463.094 Frauen im Alter von 50–69 Jahren an 12 Standorten untersucht, davon 260.739 mit KI-Unterstützung (Vara MG). Die Brustkrebs-Entdeckungsrate lag in der KI-Gruppe bei 6,7 pro 1.000 Frauen und war damit um 17,6 % höher als in der Kontrollgruppe (5,7 pro 1.000), bei statistischer Überlegenheit. Gleichzeitig war die Rückrufquote in der KI-Gruppe mit 37,4 pro 1.000 leicht niedriger als in der Kontrollgruppe (38,3 pro 1.000) und erfüllte das Kriterium der Nicht-Unterlegenheit. Die positiven prädiktiven Werte für Rückruf und Biopsie waren in der KI-Gruppe höher. Die Ergebnisse deuten darauf hin, dass die Integration einer KI mit Decision-Referral-Ansatz (Normal-Triage und Safety-Net) in der realen Routine die Detektionsrate verbessern kann, ohne die Rückrufquote negativ zu beeinflussen.
„Adherence, Acceptability, and Sexual Health Outcomes of the Odeya App–Based Intervention for Sexual Distress in Women With Endometriosis: Randomized Controlled Mixed Methods Trial“ ist eine im Februar 2026 in der Journal of Medical Internet Research veröffentlichte Pilotstudie. Sie untersucht eine selbstgesteuerte Smartphone-App (Odeya), die Frauen mit Endometriose und sexueller Belastung (sexual distress) über acht Module biopsychosoziale Aspekte der Sexualität vermittelt. In der randomisierten kontrollierten Mixed-Methods-Studie mit 60 Teilnehmerinnen zeigte die Interventionsgruppe bei hoher Akzeptanz (CSQ-I: 26,6; G-MAUQ: 5,38) und Sicherheit eine stärkere Reduktion sexueller Belastung sowie Verbesserungen der sexuellen Funktion im Vergleich zur Routineversorgung, vor allem bei Absolventinnen. Die Adhärenz war jedoch moderat (durchschnittlich 61 % der Module abgeschlossen), die Dropout-Rate hoch (65,5 %), bedingt durch emotionale Belastung, Zeitaufwand und technische Probleme. Qualitative Daten unterstreichen positive Effekte auf Körperwahrnehmung, Kommunikation und Offenheit bezüglich Sexualität, weisen aber auf Bedarf an mehr professioneller Begleitung und individualisierter Gestaltung hin. Die Ergebnisse deuten auf Potenzial einer solchen App als skalierbare Erstlinienunterstützung hin, erfordern jedoch größere Wirksamkeitsstudien und Optimierungen.
Der Artikel „Visualizing the Maternal Health Journey for Learning Health Systems: Mixed Methods Combined Experience Approach“ wurde am 19. Februar 2026 in der Journal of Participatory Medicine (Band 18, e82944) veröffentlicht. Die Autoren Amanda L. Joseph, Bilikis Oladimeji, Helen Monkman, Simon R. Minshall, Melissa C. Tan und Yuri Quintana stellen darin eine Mixed-Methods-Studie vor, die ein innovatives Visualized Combined Experience (VCE)-Diagramm entwickelt. Dieses Tool kombiniert persona-basierte Erzählungen mit Datavisualisierungen – einschließlich Journey Maps, emotiven Elementen und Sankey-Diagrammen – um individuelle Patientenerfahrungen mit populationsbezogenen Daten zur maternalen Mortalität in den USA zu verknüpfen. Basierend auf CDC-Daten und qualitativen Narrativen (u. a. aus der ProPublica-Serie „Lost Mothers“) zeigt das Diagramm erhebliche rassiale Disparitäten, etwa eine Mortalitätsrate von 51,2 Todesfällen pro 1.000 Geburten bei schwarzen Frauen im Vergleich zu 16,8 bei weißen Frauen. Es deckt Verbindungen wie diagnostische Verzögerungen auf, die in aggregierten Daten verborgen bleiben, und bietet einen Rahmen, um Learning Health Systems durch besseres Verständnis systemischer Ungleichheiten zu unterstützen und Gesundheitsoutcomes zu verbessern.
Die PRAIM-Studie („Prospektive, multizentrische Beobachtungsstudie eines integrierten AI-Systems mit Live-Monitoring zur Unterstützung der Brustkrebsfrüherkennung“) ist eine abgeschlossene prospektive, multizentrische Beobachtungsstudie unter Leitung von Alexander Katalinic an der Universität zu Lübeck in Kooperation mit Vara (MX Healthcare). Sie evaluierte den Einsatz der KI-Software Vara bei der Mammographie-Screening-Untersuchung von Frauen im Alter von 50 bis 69 Jahren in 12 deutschen Zentren. In der Studie mit 463.094 Teilnehmerinnen (davon 260.739 mit KI-Unterstützung) führte die KI-gestützte Doppelbefundung zu einer Brustkrebs-Erkennungsrate von 6,7 pro 1.000 Frauen, was 17,6 % höher war als die Rate von 5,7 pro 1.000 in der Kontrollgruppe ohne KI. Die Rückrufquote blieb dabei noninferior (37,4 vs. 38,3 pro 1.000), und die positiven prädiktiven Werte für Rückruf und Biopsie waren höher. Die Ergebnisse wurden 2025 in Nature Medicine veröffentlicht und zeigen, dass die KI die Früherkennung von Brustkrebs (ICD C50) im realen Screening-Alltag signifikant verbessert, ohne die Belastung durch falsch-positive Befunde zu erhöhen.
Der Text erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit und stellt keine Rechtsberatung dar. Anmerkungen können in der rechten Seitenleiste mit Hypothes.is sozialem Annotierungswerkzeug oder am unteren Ende einer Seite mit GitHub Giscus Diskussionen hinterlassen werden.