Mouser German Blog

(Quelle: lakshmiprasada S/Shutterstock.com)

Die automatisierte Kontaktverfolgung kann dabei helfen, die Ausbreitung von COVID-19-Clustern zu reduzieren. Damit schlägt die Stunde für den Einsatz der allgegenwärtigen Bluetooth^®-Technologie, die ihr volles Potenzial ausschöpfen kann. Die automatische Kontaktverfolgung hat sich jedoch nur langsam durchgesetzt und taucht in einem langsam wachsenden Pool von mobilen Anwendungen auf. Eine Reihe neuer Technologien und Lösungen könnte dazu beitragen, einige der Einschränkungen zu überwinden, die einer erfolgreichen Einführung bislang im Wege standen.

Verfahren zur Ermittlung von Kontaktpersonen

Epidemiologen und Leistungserbringer im Gesundheitswesen sind grundsätzlich auf die Ermittlung von Kontaktpersonen angewiesen, um das Wachstum von Clustern weit verbreiteter Infektionen zu reduzieren. Bei der traditionellen Form der Ermittlung von Kontaktpersonen stellt eine ansteckende Person den Mitarbeitern, die mit der Ermittlung von Kontaktpersonen befasst sind, eine Liste der Personen zur Verfügung, mit denen sie in letzter Zeit Kontakt hatte. Diese Mitarbeiter versuchen dann, die Kontaktpersonen darüber zu informieren, dass sie möglicherweise mit der infizierten Person in Kontakt gekommen sind und die Ausbreitung der Infektion weiter zu überwachen (Abbildung 1).

Abbildung 1: Ein typischer Arbeitsablauf zur Ermittlung von Kontaktpersonen beginnt mit einer Liste der vom Patienten identifizierten Kontakte. (Quelle: CDC)

Für eine erfolgreiche Ermittlung von Kontakten ist es zweifellos von entscheidender Bedeutung, dass man möglichst schnell eine umfassende Liste der identifizierten Kontakte erstellen kann. Bei Krankheiten, bei denen der zeitliche Verlauf von Infektion und Ansteckung gut erforscht ist, können Gesundheitsexperten solche Listen effektiv sortieren, um den Kontakt mit Personen zu priorisieren, die in der ansteckendsten Phase der Krankheit Kontakt mit einer infizierten Person gehabt haben könnten. Bei COVID-19 ist dieser Prozess schwieriger, denn zum einen sind die individuellen Reaktionen auf die Infektion mit dem Virus sehr unterschiedlich, und zum anderen bestehen grundlegende Unklarheiten im Hinblick auf die Übertragungswege des SARS-CoV-2-Virus, das COVID-19 auslöst. Die Unterschiede bei Beginn und Dauer der Ansteckung und das Vorhandensein von asymptomatischen Superspreadern von COVID-19 machen es umso dringlicher, die Infektionsquelle in neu entstehenden Clustern effizient zu ermitteln. Daher ist es von entscheidender Bedeutung, möglichst schnell eine umfassende Liste von Kontakten zu erstellen, um diese dann zurückzuverfolgen.

Herausforderungen der automatisierten Kontaktverfolgung mit Hilfe von Bluetooth

Heutzutage sind Smartphones mit Bluetooth-Unterstützung allgegenwärtig und bieten daher einen naheliegenden Ansatz für eine automatisierte Identifikation und Benachrichtigung. Wenn sich andere Bluetooth-fähige Smartphones in Reichweite befinden, kann das Smartphone eines Benutzers die eindeutige Kennung aufzeichnen, die mit dem Bluetooth-Signal verbunden ist, das von jedem dieser anderen Geräte übertragen wird. Mit der Zeit kann eine App, die auf dem Smartphone des Benutzers läuft, eine Liste von Kennungen erstellen, die andere Personen repräsentieren. Wenn eine dieser Personen später infiziert wird, kann der Benutzer durch die Smartphone-App benachrichtigt werden. Wenn der Benutzer selbst infiziert wurde, kann die gesamte Kontaktliste des Benutzers auf ähnliche Weise unter Verwendung übergeordneter Protokolle benachrichtigt werden.

Eine einfache Liste von erkannten Bluetooth-Sendern reicht jedoch für die Kontaktverfolgung nicht aus, da ein typisches Smartphone auch Sender erkennt, die so weit entfernt sind, dass sie für die Kontaktverfolgung praktisch irrelevant sind. Aus diesem Grund versuchen mobile Anwendungen zur Kontaktverfolgung, den RSSI-Wert (Received Signal Strength Indicator), der von typischen Hochfrequenz-Empfängern (HF) ermittelt wird, als Schätzwert der empfangenen Signalstärke zu verwenden.

In der Theorie folgen die RSSI-Werte dem Gesetz des umgekehrten Quadrats und fallen auf einen Pegel ab, der umgekehrt proportional zum Quadrat des Abstands zwischen Sender und Empfänger ist. RSSI-Werte ändern sich unvorhersehbar aufgrund von Signalabsorption und Interferenzen, wenn ein Bluetooth-fähiges Gerät, wie z. B. ein Smartphone, durch eine reale Umgebung bewegt wird. Forscher am Trinity College in Dublin, Irland, fanden beispielsweise heraus, dass sich die RSSI-Werte ohne eine Änderung des physischen Abstands signifikant ändern, einfach weil die Smartphones anders gehalten oder neu positioniert wurden, so dass der Körper des Trägers HF-Energie blockiert oder absorbiert hat.

Entwickler ermitteln für gewöhnlich Durchschnittswerte aus mehreren RSSI-Messungen, um die RSSI-Variabilität zu verringern. Andere Entwickler wiederum setzen auf anspruchsvollere Filtermethoden. Doch selbst mit fortschrittlicheren Nachverarbeitungsalgorithmen schränken Absorption und Interferenz die Genauigkeit von Methoden ein, die ausschließlich auf RSSI-Werten basieren. Die Forscher stellten daher fest, dass die Verwendung herkömmlicher Bluetooth-Signale allein nicht ausreicht, um genau zu bestimmen, ob sich ein anderes Gerät einer bestimmten physischen Entfernung nähert, wie z. B. der in einigen Ländern eingeführten 2-Meter-Abstandregelung.

Um die notwendige Genauigkeit zu erreichen, werden bei den neuen Technologien herkömmliche Bluetooth-Protokolle mit anderen HF-Techniken kombiniert. Normale Bluetooth-Protokolle tauschen zwar anonymisierte eindeutige Kennungen aus, aber komplementäre HF-Techniken liefern genauere Entfernungsmessungen. Andere Ansätze haben jedoch Bluetooth zugunsten von GPS oder den Time of Flight-Verfahren mit alternativen HF-Technologien wie Ultrabreitband (UWB) weitgehend aufgegeben, um genauere Entfernungsmessungen zu ermöglichen. Diese Ansätze können natürlich die riesige Anzahl der installierten Bluetooth-fähigen Smartphones nicht voll ausschöpfen und setzen in der Regel neue Geräteplattformen voraus, die die erforderlichen HF-Transceiver und Signalverarbeitungsfunktionen enthalten.

Widersprüchliche Anforderungen von Datenschutz und öffentlicher Gesundheit miteinander in Einklang bringen

Unabhängig von der zugrundeliegenden Technologie für die Abstandsmessung hat jedoch ein grundlegender Konflikt zwischen dem Schutz der Privatsphäre und den Anforderungen des öffentlichen Gesundheitswesens die breite Akzeptanz eingeschränkt, die erforderlich ist, um automatisierte Lösungen zur Kontaktverfolgung effektiv zu gestalten. Der Schutz der Privatsphäre steht im Mittelpunkt der Bemühungen um die Reduzierung personenbezogener Daten (PII). Gleichzeitig wird aus Gründen der öffentlichen Gesundheit versucht, zusätzliche Details zu gewinnen, die zur Identifizierung von Krankheitsausbrüchen unerlässlich sind. Die Schwierigkeit bei der Lösung dieses Konflikts beruht weitgehend auf der Art und Weise, wie automatisierte Lösungen zur Ermittlung von Kontaktpersonen mit den Listen der erworbenen anonymisierten Kennungen umgehen, die verschiedene Kontakte repräsentieren, und wie sie mit den PII-Metadaten umgehen, einschließlich des absoluten Standorts der Person.

Bei der Verwaltung der Kontaktliste lassen sich zwei Ansätze unterscheiden. Beim zentralisierten Ansatz lädt jedes Benutzergerät seine eigene eindeutige anonymisierte Kennung und seine Liste der erfassten Kennungen auf den Server hoch; beim dezentralisierten Ansatz lädt das Gerät nur seine eigene eindeutige anonymisierte Kennung auf den Server hoch. Der zentralisierte Ansatz verwendet dann diese Daten, um mögliche Infektionsquellen zu identifizieren und eine Benachrichtigung an jeden betroffenen Kontakt zu senden (und ersetzt damit die manuelle Benachrichtigung, die derzeit beispielsweise durch die Mitarbeiter des öffentlichen Gesundheitswesens erfolgt). Beim dezentralisierten Ansatz stellt das Gerät des Benutzers fest, ob es in die Nähe von ansteckenden Personen gekommen ist, indem es eine Liste der zugehörigen Kennungen vom Server herunterlädt.

Für Mitarbeiter des öffentlichen Gesundheitswesens sind sowohl die zentralisierte Verwaltung als auch die Informationen über den individuellen Aufenthaltsort von entscheidender Bedeutung, um entstehende Cluster von Infektionen zu identifizieren – beides scheint im Widerspruch zum Denken vor einer Pandemie zu stehen. Eine kürzlich von Forschern der Carnegie Mellon University und der Stanford University durchgeführte Studie ergab, dass die meisten Studienteilnehmer einen sicher verwalteten zentralisierten Ansatz mit kontrollierter Standortfreigabe bevorzugen.

Fazit

Die Entwickler kombinieren fortschrittliche Verfahren für die Genauigkeit von Entfernungsmessungen mit verbesserten Strategien für die sichere Verwaltung sensibler Informationen. Dadurch werden Lösungen zur automatisierten Kontaktverfolgung wahrscheinlich die derzeitige technologische Barriere und die momentane festgefahrene Situation zwischen Datenschutz und öffentlicher Gesundheit überwinden.