medicalvalues
Philipps-Universität Marburg
Florian Stumpe, Melanie Finder, Jan Kirchhoff
accadis Institute of Entrepreneurship (Träger: accadis Hochschule Bad Homburg gGmbH)
Die moderne Labormedizin erlaubt es bestimmte Krankheitsbilder frühzeitig zu erkennen. Eine stetige Weiterentwicklung, Generierung neuer Parameter und Messmethoden ermöglicht eine immer aussagekräftigere Analytik, die jedoch auch an Komplexität zunimmt. Es ist für Ärzte nicht immer möglich, in der kurzen im Behandlungsalltag verfügbaren Zeit, eine Diagnose zu stellen, die der Fülle an Informationen vollständig gerecht wird. Medicalvalues unterstützt den Diagnoseprozess durch Anwendung von Machine Learning im Bereich medizinischer Labordaten. Dadurch verbessert medicalvalues die Früherkennung von Krankheiten, wie beispielsweise Diabetes und Anämie.
Die Lösung fördert sowohl den klinikumsübergreifenden Wissensaustausch für Experten; unterstützt aber auch die medizinische Grundversorgung in Entwicklungsländern durch Know-How Transfer. So können zum Beispiel amerikanische Studien und angewandtes Wissen aus deutschen Fachkliniken so in der Anwendung kombiniert werden, dass ein Allgemeinmediziner in Ruanda in der Anforderung und Auswertung von Laborproben profitiert.
Durch eine Anonymisierung von Daten vor Ort im Krankenhaus kann die Einhaltung strenger Datenschutzgesetze gewährleistet werden. Der Hauptvorteil der medicalvalues platform, liegt in der Verbindung von bestehendem Forschungswissen mit Massendaten und einer dadurch erhöhten Qualität des Machine Learnings. Dies bezeichnen wir als hybriden Ansatz. In Kombination mit einer zentralen und dezentralen Architektur unterscheidet sich medicalvalues so von der Konkurrenz.
Das Team von medicalvalues besitzt einen interdisziplinären Hintergrund im medizinischen, technischen und betriebswirtschaftlichen Bereich. Das Geschäftsmodell sieht vor, die Plattform gegen eine nutzungsabhängige Gebühr für Kliniken und zukünftig auch Laboratorien bereit zu stellen. Aktuell liegt ein funktionsfähiger Prototyp vor, welcher Daten erfolgreich verarbeitet und Krankheitsbilder im Umfeld von Leber, Niere und Anämie erkennt.
Mit freundlicher Unterstützung
Netzwerkpartner
