Unsere Use Cases
Anwendungsfälle – Von der Forschung in die Praxis
In einem ersten Schritt beginnt MiHUBx mit drei Anwendungsfällen, sogenannten Use Cases. Ziel ist die Übertragbarkeit der Erkenntnisse und Ausweitung auf viele weitere Disziplinen.
Use Case 1
Ophthalmologie trifft auf Diabetologie
Die stetige Zunahme von medizinischem Wissen und individuelleren Therapieoptionen bei gleichzeitig zunehmendem Mangel an Fachärzt:innen und einer steigenden Altersentwicklung erfordern neue Ansätze zur Verbesserung von Diagnostik und Therapie. Das Ziel des Use Cases besteht darin, für diabetesbedingte Augenerkrankungen computergestützte Therapieentscheidungshilfen für Ärzt:innen zu entwickeln und zu evaluieren. Hierfür sollen spezifische augenheilkundliche und diabetologische Datensätze erhoben und miteinander kombiniert werden. Durch KI-gestützte Datenbearbeitung (maschinelles Lernen) sollen Vorhersagen zukünftig bei der Wahl von Therapien unterstützen und schließlich die Behandlungsoptionen verbessern. Patient:innen können somit von passgenauen und modernen Therapien profitieren. Die Vernetzung von Augenkliniken mit niedergelassenen Expert:innen der Ophthalmologie und Diabetologie wird somit eine zeitlich effektivere Versorgung gemeinsamer Patient:innen ermöglichen. Zudem können bei komplexen therapeutischen Fragestellungen mithilfe neuer Erkenntnisse fundierte Entscheidungshilfen herangezogen werden. Für die Forschung bietet sich darüber hinaus die Möglichkeit notwendige Daten für Studien einfacher und schneller zu gewinnen.
Use Case 2
Gesundheitsmonitoring
Präzise digitale Vorhersage von infektions- und hitzebedingten Gesundheitsstörungen, um eine effektive Planung von Ressourcen in der Gesundheitsversorgung (Notaufnahmen, Krankenhäuser) zu ermöglichen.
Der Use Case 2 forscht an Möglichkeiten, um schnell und angemessen auf eine hohe Ressourcenauslastung bei regionalen und pandemischen Ereignissen reagieren zu können.
Im Falle von schweren Gesundheitskrisen, wie schweren Hitzeereignissen und Pandemien, kann es zur Ungleichverteilung und teilweisen Überlastung von einzelnen medizinischen Institutionen kommen. Es braucht daher digitale Unterstützungsmöglichkeiten für die Versorgungsplanung von Krankenhäusern, um die vorhanden Ressourcen und Behandlungsmöglichkeiten optimal zu nutzen. Dafür bedarf es einer automatisierten und zeitaktuellen Einschätzung des Erkrankungsgeschehens. Von höchster Relevanz sind Aussagen zu Bettenauslastung und Behandlungskapazitäten mit besonderem Augenmerk auf die Intensivmedizin.
Die anvisierte Vernetzung der Akteure des Forschungsvorhabens MiHUBx verbessert die erforderliche Datenlage. Dadurch können spezifischere Prognosen zur Ressourcenauslastung in der Gesundheitsversorgung gestellt werden. Das medizinische Personal erhält dadurch einen zielgerichteten Überblick und wird somit im Arbeitsalltag entlastet.
Use Case 3
Digitale Workflow-Integration in der personalisierten Onkologie
Die enge Vernetzung zwischen Forschung und Krankenversorgung ist essentiell, um Krebspatientinnen und -patienten auf Basis neuster wissenschaftlicher Erkenntnisse behandeln zu können. Der Use Case arbeitet deshalb an der Verbesserung der digitalen Vernetzung aller Partner in der Personalisierten Medizin. Neben einem möglichst reibungslosen Datenaustausch soll die digitale Einbindung der behandelnden Ärzt:innen und Expert:innen unterstützt und Abläufe beschleunigt werden. Dabei sollen Informationen aus unstrukturierten Datenformaten – wie z.B. Arztbriefen – über ein gemeinsames Portal zugänglich gemacht und allen Partnern zur Verfügung gestellt werden. Die Patienten und Patientinnen erhalten zudem die Möglichkeit Informationsangebote zu nutzen, die entsprechend des Behandlungskontextes angepasst sind, und sich aktiv in das Programm einzubringen. Damit sollen Informiertheit und Teilhabe von Patient:innen gestärkt werden.
Durch die kontinuierliche Datenerfassung steht den Ärzten und Ärztinnen zu jedem Zeitpunkt eine umfassende Daten- und Informationsbasis für die Behandlung zur Verfügung. Forschenden bieten sich neue Möglichkeiten, die Ansätze und Methoden der Personalisierten Onkologie weiter zu verbessern.
