Make patients’ lives better by AI

GESUNDHEITSWESEN

Überblick
Anwendungsfälle
Live erleben

Ob in der Prävention, bei der Früherkennung von Krankheiten oder der passgenauen Therapiewahl – Text Mining und Machine Learning, konkret Natural Language Processing, leisten einen wesentlichen Beitrag dazu, dass Menschen medizinisch immer besser und individueller versorgt und beraten werden können.

Ein Blick in die Anwendungsfälle zeigt die vielfältigen Einsatzmöglichkeiten unseres Produktes Health Discovery im Gesundheitswesen:

Aus unstrukturierten Datenquellen lassen sich Vorschläge zu geeigneten Präventionsansätzen oder Therapiemaßnahmen ableiten – und auf diese Weise Mediziner und Patienten im Entscheidungsprozess unterstützen. Patientenkohorten können mit wenigen Mausklicks zusammengestellt werden – sei es für Machbarkeitsstudien und Patientenrekrutierung für klinische Studien oder zur Diagnoseunterstützung bei seltenen Krankheiten. In Krankenhausinformationssystemen unterstützt die Health Discovery Kodierfachkräfte bei der medizinischen Leistungsabrechnung.

Aggregierte Patientendaten zur Identifikation von Krankheitsmechanismen
Überwachung der Medikamentensicherheit durch kontinuierliches Monitoring
Reduzierung der Rekrutierungszeiten von Patienten in klinischen Studien
Leistungsabrechnungen effizient und kostengünstig

ANWENDUNGSFÄLLE

clinical research

Die Nutzung elektronischer Patientendaten hat einen nachhaltigen Einfluss auf die medizinische Forschung. Medizinische Routinedaten können verwendet werden, um retrospektive Beobachtungs- und Vergleichsstudien durchzuführen. Viele der in der klinischen Forschung benötigten Informationen wie Diagnosen und Symptome, Therapieverlauf, Funktionswerte usw. sind häufig nur im Freitext verfügbar. Wenn diese Daten aus den Texten extrahiert und in strukturierter und semantisch normalisierter Form zur Verfügung gestellt werden, werden viele Studien erst möglich, da wesentlich mehr klinische Parameter verfügbar sind und mehr Patienten in die Studien einbezogen werden können.

Customer Success Story:

Averbis wird von allen vier Konsortien der Medizininformatik-Initiative für die Analyse unstrukturierter Daten eingesetzt.

Die Medizininformatik-Initiative schafft die Voraussetzungen dafür, dass Forschung und Versorgung näher zusammenrücken. Derzeit arbeiten alle Universitätskliniken Deutschlands gemeinsam mit Forschungseinrichtungen, Unternehmen, Krankenkassen und Patientenvertretern daran, die Rahmenbedingungen zu entwickeln, damit Erkenntnisse aus der Forschung direkt den Patienten erreichen können. Das Bundesministerium für Bildung und Forschung investiert zunächst bis 2021 rund 160 Millionen Euro in das Förderprogramm.

Mit der Medizininformatik-Initiative sollen die Chancen der Digitalisierung in der Medizin für Versorgung und Forschung bestmöglich genutzt werden. In einem ersten Schritt werden an Universitätskliniken und Partnereinrichtungen Datenintegrationszentren aufgebaut und vernetzt. In diesen Zentren werden die Voraussetzungen geschaffen, um Forschungs- und Versorgungsdaten standortübergreifend verknüpfen zu können. Gleichzeitig werden für konkrete medizinische Anwendungen innovative IT-Lösungen entwickelt, die die Möglichkeiten moderner digitaler Dienstleistungen und Infrastrukturen im Gesundheitsbereich zeigen sollen.

Und es wird die Patientenversorgung verbessern und dazu beitragen, Krankheiten wirksamer zu bekämpfen. Konkret geht es bei der Initiative darum, die Flut von Daten, die tagtäglich im Gesundheits- und Forschungsbereich anfallen, nutzbar zu machen – zum Wohle des einzelnen Patienten, zum besseren Verständnis von Krankheiten und zur Anpassung von Behandlungen an die Bedürfnisse des Einzelnen. Ziel ist es, eine Möglichkeit zum Austausch von Forschungs- und Versorgungsdaten zwischen Universitätskliniken zu schaffen. Gelingt dies – mit Hilfe der Förderung durch das BMBF – wird er völlig neue Horizonte eröffnen. Die Lösungen, die entwickelt werden, sollen einen Mehrwert im gesamten Gesundheitssystem schaffen.

Averbis BMBF Medizininformatik-Initiative

Bundesforschungsministerin Johanna Wanka und Alexander Hörbst mit den Vertretern der vier Konsortien, die für eine Förderung vorgesehen sind. v.l.: Alexander Hörbst (Vorsitzender des Gutachterkreises), Klaus A. Kuhn (DIFUTURE), Markus Löffler (SMITH), Roland Eils (HiGHmed), Johanna Wanka, Hans-Ulrich Prokosch (MIRACUM)
© BMBF/Hans-Joachim Rickel

Mit der Einführung von Diagnoses Related Groups (DRGs) hat sich die Kodierung und Abrechnung von medizinischen und pflegerischen Leistungen erheblich geändert. Die manuelle Kodierung ist komplex und fehleranfällig, gleichzeitig ist sie ein repetitiver und zeitaufwändiger Prozess. Mit Health Discovery können fehlende Abrechnungs-Codes und Dokumentationslücken schnell und genau identifiziert werden. Es ermöglicht die automatisierte Identifikation von durchgeführten Diagnosen und Prozeduren und liefert entsprechende Belege in den Texten. So müssen keine großen Mengen klinischer Daten mehr manuell gesichtet werden, und Kodierfachkräfte können sich auf das Wesentliche Ihrer Arbeit konzentrieren.

Customer Success Story:

Averbis kollaboriert mit Compugroup und Meta IT bei der Kodierunterstützung in Krankenhäusern – für Erlössicherung und MDK-Sicherheit.

Das gemeinsame Produkt MetaText ist programmierter Gewinn! Averbis Health Discovery analysiert medizinische Dokumente wie Arztbriefe, Pathologieberichte, OP-Berichte etc. und extrahiert erlösrelevante Informationen. Dabei werden modernste Verfahrung aus dem Bereich der Künstlichen Intelligenz mit ausführlichen Regelwerken kombiniert, um bestmögliche Ergebnisse zu liefern. Damit unterstützen wir Kodierfachkräfte und Medizincontroller, aus der Fülle der Vorgaben die Verschlüsselung herauszufinden, die den korrekten Erlös für die erbrachten Leistungen abbildet.

Averbis Health Discovery  ist dabei vollständig in die Kodiersoftware MetaText integriert, einer Lösung, die dazu dient, erbrachte Leistungen optimal und korrekt im DRG-System abzubilden, die Verweildauern mit den ermittelten DRGs in Einklang bringt und dabei unterstützt, eine MDK-prüfungssichere Dokumentation zu erstellen, indem vor möglichen Interpretationsspielräumen bei der Kodierung gewarnt wird. Die Erfahrungen der Kunden zeigen, dass sich mit MetaText die Kodierqualität und damit auch die Ergebnisse deutlich steigern lassen. MetaText ist programmierter Gewinn!

averbis coding and billing
Averbis Clinical Trials

Klinische Studien sind der Schlüssel zum medizinischen Fortschritt. Die Nutzung von NLP für die Ermittlung von Patientenpopulationen ist ein wichtiger Schritt, um präzisere Fallzahlen und vollständigere medizinische Informationen über Patienten zu erhalten. Health Discovery ermöglicht die Identifizierung größere Patientenkohorten, die Verfeinerung von Einschluss- und Ausschlusskriterien, reduziert den Zeit- und Kostenaufwand für die Rekrutierung und steigert dadurch den Wert klinischer Studien um ein Vielfaches.

Unser Partner TriNetX ermöglicht über sein globales Netzwerk von über 150 Kliniken einen datenschutzgerechten Zugriff auf anonymisierte Patientendaten. Das Netzwerk unterstützt eine schnellere, datengetriebene Entwicklung von Medikamenten und neuen Therapiemöglichkeiten.
Die TriNetX-Plattform nutzt die hochentwickelten NLP-Algorithmen von Averbis, um klinische Fakten aus Arztbriefen, Pathologieberichten und anderen Befunden zu extrahieren. Hierzu zählen neben Diagnosen, Medikamente und Laborwerten zahlreiche Befundmerkmale und Funktions-Scores, bspw. der ECOG-Performance-Status für die Onkologie, die NYHA-Klassifikation, die Ejektionsfraktion oder das korrigierte QT-Intervall aus der Kardiologie.

Die extrahierten Daten werden auf internationale medizinische Standards und klinische Terminologien abgebildet, damit Forscher die Daten in der TrinNetX-Plattform über Ländergrenzen hinweg einheitlich analysieren können.
Kombiniert mit strukturierten klinischen Daten aus der elektronischen Patientenakte (Electronic Medical Record, EMR), können die Daten für die Beurteilung der Studiendurchführbarkeit, das Protokolldesign, die Standortwahl und die anschließende Identifizierung von Patienten für klinische Studien genutzt werden.

TriNetX wählte Averbis aus folgenden Gründen als NLP-Partner:

Umfassende Erfahrung im Gesundheitswesen

Höchste Genauigkeit in unterschiedlichen Use-Cases

Umfassender Support für mehrere Sprachen

averbis healthcare nlp
medical-records averbis

Medizinische Behandlungsfehler sind in westlichen Ländern unter den häufigsten Todesursachen. Einer der Gründe ist das Fehlen relevanter Information zum richtigen Zeitpunkt. Gleichzeitig verdoppelt sich das medizinisches Wissen heutzutage alle 100 Tage, was es für medizinisches Fachpersonal unmöglich macht, das gesamte Wissen über Krankheiten, Therapien und deren Wechselwirkungen im Auge zu behalten. Der Einsatz von Informationstechnologie ist daher in Klinik und Praxis nicht mehr wegzudenken. Bestehende Informationssysteme sind jedoch häufig isoliert und Gesundheitsdaten nicht systematisch auswertbar. Eine Lösung bietet der Einsatz künstlicher Intelligenz in Kombination mit NLP (Natural Language Processing): große Mengen gesundheitsrelevanter Information aus unterschiedlichen Quellen und Formaten können miteinander verknüpft und analysiert werden. Dieses Wissen kann überall dort zur Verfügung gestellt werden, wo medizinische Entscheidungen getroffen werden müssen.

Customer Success Story:

Averbis Health Discovery wurde erfolgreich zur Unterstützung der Diagnose seltener neurologischer Erkrankungen eingesetzt. Die Diagnose seltener neurogenetischer Erkrankungen ist oft eine Herausforderung, insbesondere bei Präsentationen im Erwachsenenalter, mit langen diagnostischen Verzögerungen und Fehldiagnosen. Da immer mehr Therapien zur Verfügung stehen, wird es immer wichtiger, Patienten mit seltenen neurologischen Erkrankungen zu identifizieren. Dieses multizentrische Projekt zu zehn seltenen neurogenetischen Krankheiten wurde an sechs deutschen Universitätskliniken durchgeführt.

Averbis Health Discovery strukturierte die medizinischen Daten, indem es die Dokumente anhand von krankheitsspezifischen Listen mit gewichteten Krankheitsanzeichen und Symptomen nach der Wahrscheinlichkeit einer Erkrankung einstufte. Bestehende elektronische Krankenakten aus den vergangenen 10 Jahren der neurologischen Abteilungen jedes Zentrums wurden gescreent, und die Patienten wurden nach der Wahrscheinlichkeit, an der jeweiligen Krankheit zu erkranken, gerankt.

Ein erfahrenes Ärzteteam überprüfte die Daten der höchstplatzierten Patienten, und diejenigen ohne bestätigte Diagnose wurden kontaktiert, um auf die jeweilige Krankheit zu testen.

In der Pilotphase wurden in München 4 Patienten mit Morbus Pompe und 4 heterozygote NPC1-Mutationsträger identifiziert. Mehr als 400.000 Datensätze aus vier Zentren wurden auf drei Krankheiten analysiert:

Niemann-Pick-Krankheit Typ C, Pompe-Krankheit und Fabry-Krankheit. Vier neue Pompe-Patienten und 3 heterozygote NPC1- oder NPC2-Mutationsträger wurden identifiziert, die zuvor nicht diagnostiziert worden waren.

Was unsere Kunden sagen

Prof. Dr. Kurt Marquardt
Universitätsklinikum Gießen und Marburg

Health Discovery ist ein effektives Tool, um textuelle Informationen schnell und datenschutzgerecht für die Forschung aufzubereiten.

Johannes Drepper
TMF e.V.

Die Health Discovery von Averbis ist ein wertvoller Beitrag für die datenschutzgerechte, vernetzte medizinische Forschung.

Prof. Dr. Hans-Ulrich Prokosch
Universitätsklinikum Erlangen

Der aufwändige Prozess der Anonymisierung medizinischer Dokumente wird durch den Einsatz von Health Discovery erheblich verkürzt. Dadurch können große Mengen medizinischer Freitexte für die medizinische Forschung bereitgestellt werden.

Informieren Sie sich über unsere Forschungsprojekte
Averbis-Health-Discovery
Verbessern Sie das Leben Ihrer Patienten durch KI