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.
Medizinische KI und Interoperabilität jenseits von Datensilos – so lautet der Schlüssel für eine zukunftsfähige Gesundheitsversorgung, zeigten sich Experten auf einem Fachforum überzeugt.
Auf der Medica 2024 zeigen Forscher, wie der Mobilfunkstandard 6G für eine bessere Patientenversorgung sorgen kann – durch die Aggregation von Gesundheitsdaten in einem digitalen Zwilling.
Reinhard Heckel, Professor für Maschinelles Lernen an der Technischen Universität München, spricht über die Bedeutung von Daten für Large Language Models und bildgebende Verfahren in der Medizin.
Sollten Gesundheitsdaten auch ohne Einwilligung für öffentlich geförderte medizinische Forschung verwendet werden? Laut einer neuen Umfrage wäre das im Sinne von mehr als 86% der Deutschen.
Wissenschaftler konnten mit Daten aus Gesundheitsregistern das individuelle Risiko für die 20 häufigsten Krebserkrankungen vorhersagen. Das könnte die Vorsorge für gefährdete Gruppen verbessern.
In der Welt des Theaters ist der ‚Deus ex machina‘, der Gott aus der Maschine, ein dramaturgischer Kniff, um scheinbar unlösbare Konflikte zu klären. Kann Künstliche Intelligenz (KI) für die Innere Medizin ebenfalls ein solcher universeller Problemlöser sein? Auf dem DGIM-Jahreskongress in Wiesbaden ging Dr. Isabella Wiest dem Potenzial – und den Limitationen – der KI-Helfer nach.
Für die Therapie von Multipler Sklerose sind verlässliche Langzeitdaten über den individuellen Krankheitsverlauf nötig. Fitness-Tracker und Handys können dabei helfen, wie Forscher nun zeigen.
Zum Trainieren ihrer KI-Systeme greifen Forscher aus Datenschutz-Gründen oft auf synthetische Patientendaten zurück. Ein neuer Werkzeugkasten soll die Qualität dieser Daten gewährleisten.
Bei der Digitalisierung des Gesundheitswesens sind weitere Meilensteine passiert worden: Die Deutsche Gesellschaft für Innere Medizin begrüßt die Zustimmung des Bundesrats zu DigiG und GDNG.
Aktuell sind die klinischen Krebsregister noch nicht als primäre Datenquelle für die anwendungsbegleitende Datenerhebung geeignet. IQWiG-Autoren erklären, was dafür erforderlich wäre.
Consent-Management für Gesundheitsdaten: Dresdner Experten schlagen einen neuen, einfachen Ansatz vor, mit dem Patienten die Weitergabe ihrer Daten selbst kontrollieren können.
Patienten wollen die elektronische Patientenakte „für alle“ (ePA). Das legen aktuelle Zahlen nahe. Rund drei Viertel der Befragten bewerten die ePA positiv (71%), nur 17% sehen keine Vorteile.
Ein Forscherteam aus Kaiserslautern und Leipzig arbeitet an einem System, das medizinische Daten automatisch analysiert und visualisiert, auch deren Unsicherheiten.
Telemedizin erlebte während der Covid-19-Pandemie einen Boom, doch es wurden auch Schwachpunkte deutlich. Ein neues, bundesweites Netzwerk soll mit Standardisierung nachbessern.
Doctolib Hospital bietet Ihnen eine Komplettlösung, die den komplexen Anforderungen moderner Gesundheitseinrichtungen gerecht wird und alle Akteure im Gesundheitswesen miteinander vernetzt.
Die weltweite Belastung durch den Klimawandel nimmt immer weiter zu, doch Daten zur Auswirkung auf unsere Gesundheit sind bislang Mangelware. Das soll sich nun ändern.
Die Einführung der elektronischen Patientenakte (ePA) ist bislang geprägt von Skepsis und Missverständnissen. Das zeigt auch eine neue Interviewstudie zum Thema.
Künstliche Intelligenz (KI) ist auf große Mengen von Daten angewiesen. Jüngste Initiativen der EU könnten den Austausch von radiologischen Daten zwischen öffentlichen Gesundheitseinrichtungen und Privatunternehmen im Sinne der Forschung und Entwicklung befördern.
Machine Learning und KI spielen eine zunehmend wichtige Rolle in Medizin und Gesundheitswesen. Dies gilt vor allem in datenintensiven Fachgebieten wie Radiologie, Pathologie oder Intensivmedizin. Doch die Güte von Diagnostik und Entscheidungsfindung per KI ist nicht nur davon abhängig, wie ausgefeilt der zugrunde liegende Algorithmus ist – sondern auch von der Qualität der Trainingsdaten.
