Das größte medizinische Machine Learning-Netz Deutschlands
Vernetzung von medizinischem Wissen im Gesundheitswesen.
Jetzt Infomaterial anfordernMaschinelles Lernen ermöglicht medizinische
Künstliche Intelligenz kommt als Unterstützung auch in Krankenhäusern immer mehr zum Einsatz. In Zusammenhang mit Digital Health geht es hierbei zumeist um Maschinelles Lernen (ML).
Bei Tiplu haben wir 2019 begonnen, ein organisch wachsendes ML-Netz aufzubauen. Mit aktuell über 130 Partner-Krankenhäusern und 10 Mio. verfügbaren, strukturierten, interoperablen Patientenakten stellt es eines der größten Machine Learning-Netze dieser Art weltweit dar.
Über dieses Netz wird das gesammelte Wissen zahlreicher Fallkonstellationen sämtlicher Fachdisziplinen genutzt, um Machine Learning-Modelle zu trainieren und statistische Analysen zu erstellen. Diese bilden die Basis für Forschungsvorhaben in den Bereichen Gesundheitsökonomie, Medizininformatik und Medizin.
Dies geschieht zu jeder Zeit unter strikter Einhaltung der datenschutzrechtlichen Vorgaben.
Wie funktioniert das?
Beim Maschinellen Lernen geht es darum, Muster und Zusammenhänge in Datensätzen zu erkennen, um daraus Vorhersagen ableiten zu können. Unter Nutzung des gesammelten Wissens aus Millionen von Fallkonstellationen, entwickelt und erforscht Tiplu insbesondere Prädiktionsmodelle. Diese Modelle erkennen Muster, um beispielsweise Diagnosen, Therapien, medizinische Risiken und Komplikationen, Verweildauern, Intensivbetten-Bedarfe, Wiederaufnahmen oder Epidemien zu identifizieren bzw. vorzuschlagen. Darüber hinaus werden spezielle Modelle trainiert, die auf Basis bestehender Dokumentation Abrechnungslücken und -fehler aufdecken können.
Bei der Entwicklung und Erforschung dieser Modelle verlassen die sensiblen Daten zu keinem Zeitpunkt die Partner-Krankenhäuser. Stattdessen werden während des Trainingsprozesses ML-Modelle lokal in den einzelnen Krankenhäusern trainiert und ausschließlich die erzielten Lernfortschritte (anonyme Zahlenketten) zentral zusammengeführt, um schrittweise weitere und präzisere Muster zu erlernen.
Dieses Vorgehen ist vergleichbar mit Mediziner:innen, die ihre gesammelten Erfahrungen bei einem Wechsel in ein anderes Krankenhaus um neue und andere Fallkonstellationen erweitern und diese mit bestehendem Wissen verknüpfen – mit dem Unterschied, dass dieser Vorgang im ML-Netz tausendfach stattfindet.
Ihre Vorteile
KOLLEKTIVE MUSTERERKENNUNG
KOLLEKTIVE MUSTERERKENNUNG
Tiplu entwickelt Machine Learning-Modelle, welche entweder auf bestehenden Daten relevante Informationen erkennen und Vorschläge bereitstellen oder basierend auf aktuellen Daten Vorhersagen zu möglichen zukünftigen Ereignissen treffen.
QUALITATIVE VERBESSERUNG
QUALITATIVE VERBESSERUNG
Der Ausbau des ML-Netzes ermöglicht es Tiplu, die Qualität der von den ML-Modellen erlernten Mustern, gemessen an Trefferquote und Präzision, zu verbessern. Das betrifft nicht nur Kodiervorschläge in MOMO, sondern auch die in MAIA* verwendeten Tiplu-Risikoprädiktionen.
Der Ausbau des ML-Netzes ermöglicht es Tiplu, die Qualität der von den ML-Modellen erlernten Mustern, gemessen an Trefferquote und Präzision, zu verbessern. Das betrifft nicht nur Kodiervorschläge in MOMO, sondern auch die in MAIA* verwendeten Tiplu-Risikoprädiktionen.
INDIVIDUALITÄT
INDIVIDUALITÄT
Die Künstliche Intelligenz (hier in Form von trainierten neuronalen Netzwerken) erlernt individuelle Faktoren wie beispielsweise das Wording von Operateuren in OP-Berichten, um in der Folge immer bessere und maßgerechtere Vorschläge und Hinweise zu produzieren.
AUTOMATISIERTE KODIERUNG IN MOMO
AUTOMATISIERTE KODIERUNG IN MOMO
MOMO kann aufgrund der zunehmend sicheren Ermittlung der Kodes von Haupt- und Nebendiagnosen sowie Prozeduren-Schlüsseln für abgeschlossene stationäre Behandlungsabläufe teilweise automatisiert passende Rechnungen erstellen.
Mehr erfahren
MOMO kann aufgrund der zunehmend sicheren Ermittlung der Kodes von Haupt- und Nebendiagnosen sowie Prozeduren-Schlüsseln für abgeschlossene stationäre Behandlungsabläufe teilweise automatisiert passende Rechnungen erstellen.
Mehr erfahren
MAIA* (CLINICAL DECISION SUPPORT)
MAIA* (CLINICAL DECISION SUPPORT)
Auf Grundlage der ML-Modelle entwickelt Tiplu auch eine klinische Entscheidungsunterstützungssoftware für Mediziner:innen im Krankenhaus.
Mehr erfahren
Auf Grundlage der ML-Modelle entwickelt Tiplu auch eine klinische Entscheidungsunterstützungssoftware für Mediziner:innen im Krankenhaus.
Mehr erfahren
FORSCHUNG & ENTWICKLUNG
FORSCHUNG & ENTWICKLUNG
Auf Basis von tagesaktuellen Informationen wie z.B. Laborwerten werden räumlich differenzierte Früherkennungssysteme beispielsweise zur Epidemieerkennung entwickelt.
Auf Basis von tagesaktuellen Informationen wie z.B. Laborwerten werden räumlich differenzierte Früherkennungssysteme beispielsweise zur Epidemieerkennung entwickelt.
*Das Softwareprodukt MAIA befindet sich aktuell in der Entwicklung.
Jetzt Infomaterial anfordern oder unverbindlich
einen Termin vereinbaren!
Kenny Hospach
Projektmanager | Sales Manager
Tel: 0172 400 63 73
E-Mail: k.hospach@tiplu.de