Elektronische Patientenakte, diagnostische Werte, Studienkohorten: Datenmanagement ist zu einem zentralen Bestandteil im Gesundheitswesen geworden – sowohl in der Diagnostik und Therapie als auch in der medizinischen Forschung.
Der Industrieverband ZVEI fordert Rechtssicherheit bei der Nutzung von Behandlungsdaten. Ohne klare Regeln drohen Verzögerungen bei Forschung und Diagnostik – besonders zulasten von Frauen.
Digitale Gewebeproben enthalten derart viele Informationen, dass es schwer ist, sie mit datengetriebenen Methoden zu analysieren. Ein neues Softwaretool soll die digitale Pathologie demokratisieren.
Auf dem Deutschen Krebskongress in Berlin diskutierten Experten aus München, Köln, Hamburg und Dresden den Einsatz von Large Language Models (LLMs) in der Krebsmedizin. Die Session zeigte beeindruckende technische Möglichkeiten, offenbarte aber auch fundamentale Schwächen in der deutschen Dateninfrastruktur.
Um Workflows im Krankenhaus zu planen, sind Daten zu Aufenthaltsdauer, Verlegungen und Behandlungen der Patienten unerlässlich. Ein erklärbares KI-Modell soll helfen, diesen Prozess zu verbessern.
Mit der Verordnung (EU) 2025/327 wird der Europäische Gesundheitsdatenraum Realität. Für Hersteller von Medizinprodukten, IVDs und KI-Systemen bedeutet das: Interoperabilität ist kein optionales Feature mehr, sondern regulatorische Grundvoraussetzung. Was sich konkret ändert – und worauf es bei der Umsetzung ankommt.
Wunsch nach mehr Datenschutz auf der einen Seite, Nutzung nicht zertifizierter „Schatten-KI“ auf der anderen: Der Digital Health Report 2026 offenbart wichtige Baustellen im Gesundheitswesen.
Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) unterstützt Doctolib mit multilingualen Datensätzen bei der Weiterentwicklung von Pseudonymisierungsverfahren für KI-Anwendungen.
Welche Gesundheitsdaten dürfen für die medizinische Forschung erhoben, gespeichert und geteilt werden? Ein neuer Leitfaden zum Datenschutz soll Wissenschaftlern helfen.
Mit der Echtzeit-Übertragung von EKG-Daten in die elektronische Patientenakte wollen Kardiologen die Behandlung von Menschen mit Herzrhythmusstörungen verbessern.
Wie sicher gehen beliebte mHealth-Apps mit den Daten ihrer Nutzer um? Eine Analyse zeigt, dass längst nicht alle mobilen Gesundheitsanwendungen es so genau mit ihren Datenschutz-Versprechen nehmen.
Wie medizinische Daten für das Training von KI-Tools eingesetzt werden, ist nicht immer klar. Ein neues Dashboard soll bei der Entwicklung und Anwendung von KI-Verfahren im Gesundheitswesen helfen.
Moderne Infektionsforschung produziert enorme Datenmengen, die ohne leistungsfähige computergestützte Methoden unverbunden und ungenutzt bleiben. Das BNITM hat daher nachgerüstet.
Treten bei der Verteilung medizinischer Daten Cluster auf, kann das die Ergebnisse verfälschen. Am Beispiel von Endometriose zeigen Forscher ein Verfahren, das dieses Clustering verhindert.
Wer darf was mit Gesundheitsdaten in der ePA? Eine neue Studie zeigt, dass verständliche Informationen das Vertrauen in die elektronische Patientenakte stärken und die Nutzung fördern können.
Cyberangriffe auf medizinische Einrichtungen können Patienten gefährden. KI-gestützte Methoden zur Echtzeiterkennung medizinischer Notfälle sollen nicht autorisierte Datenmanipulation verhindern.
Um Notfalleinsätze gezielter vorzubereiten und Patienten nach einem schweren Verkehrsunfall schneller und besser zu helfen, wollen Forscher Auto-Unfalldaten in eine digitale Rettungskette einbinden.
Wissenschaftliche Datenbanken sind für die Forschung unverzichtbar. Doch die Einführung hoher Nutzungsgebühren und der Ausstieg wichtiger Förderer gefährden den Zugang, warnen Experten.
Höhere Übertragungsrate, größere Datenkapazität, geringere Latenzzeiten: Moderne Wi-Fi-7-Netzwerke können im Krankenhaus zu schnellerer Diagnostik und reibungslosen Abläufen beitragen.
Maschinelles Lernen (ML) kann dabei helfen, Labordaten effizient und präzise auszuwerten, um fundierte medizinische Entscheidungen zu treffen. Prof. Dr. Frank Klawonn zeigte in einem Vortrag auf der Medica in Düsseldorf verschiedene Möglichkeiten von ML auf, die zu Zeitersparnis und zur Steigerung der Produktivität führen können.
