Kuckertz, S. et al.: Fully automated longitudinal tracking and in-depth analysis of the entire tumor burden: unlocking the complexity, SPIE Medical Imaging (12033-86), 2022 Zum gesamten Poster: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/12033/120331Q/Fully-automated-longitudinal-tracking-and-in-depth-analysis-of-the/10.1117/12.2613080.full Wir stellen einen neuen Ansatz für die Verarbeitung komplexer Informationen zur Segmentierung…

Barann, M. et al.: A Python SDK for Authoring and Using Computer-Interpretable Guidelines, BIOINFORMATICS 2022 Zum gesamten Paper: https://www.insticc.org/node/TechnicalProgram/biostec/2022/presentationDetails/107928 In diesem Beitrag beschreiben wir ein von uns entwickeltes Python-SDK, mit dem wir ein Entscheidungsunterstützungssystem (DSS) zur Ermittlung und Darstellung von…

Appenzeller, A. et al.: Towards Distributed Healthcare Systems – Virtual Data Pooling Between Cancer Registries as Backbone of Care and Research, International Workshop on Health Informatics: Disruptive Approaches in Health Informatics for Digital Health Transformation (HOPE’21), which was held online…

Empfehlungssystem unterstützt Mediziner*innen bei Diagnose und Therapie Im Behandlungsraum widmen sich Ärzt*innen ganz ihren Patient*innen. Dennoch geht hier (noch) viel Zeit damit verloren, Daten und Dokumente herauszusuchen, anzuzeigen und zueinander in Beziehung zu setzen. Das können Befundbriefe oder 3D-aufbereitete Bilddateien…

Dieser Artikel berichtet über ein Kooperationsprojekt mit medizinischen Experten auf dem Gebiet der chronisch entzündlichen Darmerkrankungen (CED). Patient*innen, die an CED leiden, z.B. Morbus Crohn oder Colitis Ulcerosa, haben keine verkürzte Lebenserwartung. Die Krankheitsverläufe können sich hingegen über mehrere Jahrzehnte erstrecken. Dadurch fällt eine große Menge an Patientendaten an, die Expert*innen häufig nur in Papierform vorliegen. Wir haben eine Visualisierung entwickelt, die für den Vergleich von Patient*innen wichtige Informationen übersichtlich darstellt, insbesondere im Hinblick auf die über die Jahre verschriebenen Behandlungen.

Mit einem Klick zur optimalen Prävention, Diagnose und Therapie: Sieben Fraunhofer-Institute präsentieren im Rahmen des Leitprojekts MED²ICIN den ersten Prototyp eines digitalen Patientenmodells. Die personalisierte und kostenintelligente Behandlung wird damit auf eine ganz neue Basis gestellt und eröffnet neue Perspektiven….

In diesem Artikel realisieren wir das „Patientenmodell“ durch die Entwicklung der Inflammatory Bowel Disease (IBD) Ontologie (d. h. Chronisch-entzündliche Darmerkrankungen). Die IBD-Ontologie wurde aus anonymisierten Daten von 560 Patienten entwickelt, die von der gastroentologischen Ambulanz im CSV-Format zur Verfügung gestellt wurden. Die Daten enthalten 170 Parameter pro Patient, darunter Demographie, Laborergebnisse und klinische Befunde.

Digitale Patientenmodelle sparen in der Gesundheitsbranche enorm viele Kosten ein – sieben Fraunhofer-Institute bündeln ihre Kompetenzen hierzu in einem gemeinsamen Projekt. Erstes Ziel ist die Bereitstellung aller vorhandenen Daten eines Patienten in kohärenter Form.

Digitale Zwillinge sind in vielen Branchen gängige Praxis. Die Entwicklung eines digitalen Patientenmodells kann die Gesundheitsbranche von Grund auf revolutionieren. Digitale Innovationen in die gesamte Behandlungskette einzubinden, verbessert nicht nur die Patientenversorgung, sondern macht eine gezielte und wirksame Behandlung effizienter und damit kostengünstiger.