logo averbis health discovery

Datengetriebene medizinische Forschung

Wir machen medizinische Routinedaten für die Forschung zugänglich

Klinische Studien sind der Schlüssel zu medizinischem Fortschritt. Um genügend Daten zur Verfügung zu haben, benötigt man eine ausreichende Zahl an Forschungsteilnehmenden, deren Rekrutierung viel Zeit und Aufwand bedeutet.
Eine Lösung wäre, als Grundlagen für die Forschung medizinische Routinedaten zu nutzen, doch die Hürde, diese Daten verwenden zu können, ist hoch. Viele der in der klinischen Forschung benötigten Informationen wie Anamnese, Diagnosen und Symptome, Therapieverlauf, Funktionswerte usw. sind häufig nur in Freitexten wie dem Arztbrief verfügbar und damit nicht unmittelbar für Auswertungen nutzbar. Der Aufwand ist enorm, die wertvollen Informationen aus Tausenden von Dokumenten händisch zu extrahieren. Aus diesem Grund werden manche Forschungsfragestellungen gar nicht erst angegangen und wichtige Entwicklungen verlangsamt oder finden nicht statt.

Data Driven Clinical Research Grafik_Averbis
Schnelle und genaue Identifikation von großen Patient:innenkohorten

Mit Health Discovery verbessert Averbis die Art zu forschen für Universitätskliniken oder andere medizinische Forschungseinrichtungen und bereitet Routinedaten entsprechend auf. Mit unserer Lösung können Fakten schnell und einfach aus Texten extrahiert und in strukturierter und semantisch normalisierter Form zur Verfügung gestellt werden. Wir vereinfachen die Rekrutierung von Forschungsteilnehmenden, indem wir schnell große Patient:innekohorten identifizieren. So ermöglichen wir mehr Studien, da wesentlich mehr klinische Parameter verfügbar sind und mehr Patient:innen in die Studien einbezogen werden können.

Unterstützung von Krebsregistern

Auch Mitarbeitende in Krebsregistern profitieren von Health Discovery. Sie erhalten jedes Jahr hunderttausende Befundberichte aus Kliniken, die in Fließtextform – und somit unstrukturiert – eingereicht werden. Averbis Health Discovery hilft, diese Daten zu strukturieren, Erkenntnisse aufzubereiten und Prozesse zu automatisieren.

Health Discovery ermöglicht:

die Identifizierung größerer Patient:innenkohorten

die Verfeinerung von Einschluss- und Ausschlusskriterien

die Reduktion des Zeit- und Kostenaufwands für die Rekrutierung

Die Steigerung des Werts klinischer Studien

So bereiten wir den Nährboden für passgenauere Diagnose- und Behandlungsentscheidungen, neue Erkenntnisse für die wirksame und nachhaltige Bekämpfung von Krankheiten und tragen dazu bei, die Versorgung der Patient:innen noch besser zu machen.

Partnerschaft

TriNetX ist ein globales Netzwerk von Gesundheitsorganisationen und Life Sciences-Unternehmen, das Real World Research vorantreibt, um die Entwicklung neuer Therapien zu beschleunigen. Durch seine Datensätze und Beratungspartnerschaften, sowie HIPAA-, GDPR- und LGPD-konformer Plattform mit verknüpftem EHR, stellt TriNetX seiner weltweiten Community Real World Data zur Verfügung, um das Studiendesign zu verbessern, den Studienbetrieb zu vereinfachen, Sicherheitssignale zu verfeinern und die Real World Evidence zu erweitern.

TriNetX und NLP_Averbis inside

TriNetX bietet NLP-Dienste auf Basis von Averbis an, die hochentwickelte Algorithmen nutzen, um klinische Fakten aus Arztbriefen, klinischen und pathologischen Berichten zu extrahieren und diese Daten mit anderen strukturierten Daten aus elektronischen Patientenakten zu verknüpfen.

TriNetX wertet unstrukturierte Daten aus, z. B. Messungen und Beobachtungen zum ECOG-Performance-Status in der Onkologie, zur NYHA-Klassifikation, zur Ejektionsfraktion und zum korrigierten QT-Intervall bei kardiologischen Studien. NLP sammelt auch Informationen aus Arztnotizen für Patienten, deren Krankenakte aufgrund von Besuchen in verschiedenen Gesundheitseinrichtungen unvollständig sein kann. Die extrahierten Daten werden anschließend auf standardisierte klinische Terminologien abgebildet, die von Forschern mit der TriNetX-Plattform leicht analysiert werden können.

TriNetX hat sich aus den folgenden Gründen für Averbis als NLP-Partner entschieden:

  • Umfassende Erfahrung im Gesundheitswesen
  • Unerreichte Genauigkeit in allen Datenbereichen
  • Umfassendes Verständnis für mehrere Sprachen
miracum_Logo_Titel_G_D

Averbis Health Discovery wird von drei Konsortien der Medizininformatik-Initiative für die Analyse unstrukturierter Daten eingesetzt.

Damit unterstützt Averbis die Medizininformatik-Initiative dabei, Voraussetzungen dafür zu schaffen, dass Forschung und Versorgung näher zusammenrücken. 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.

Miracum – Gemeinsam gegen Asthma und COPD (in German, source BMBF)

Use Case clinical Research Miracum BMBF Video

Health Discovery wird in der Initiative dazu genutzt, die Flut von unstrukturierten Daten, die tagtäglich im Gesundheits- und Forschungsbereich in unterschiedlichen Abteilungen anfallen, zu strukturieren und nutzbar zu machen – zum Wohle der einzelnen Patient:innen, zum besseren Verständnis von Krankheiten und zur Anpassung von Behandlungen an die Bedürfnisse der Einzelnen. Ziel ist es, eine Möglichkeit zum Austausch von Forschungs- und Versorgungsdaten zwischen Universitätskliniken zu schaffen. So wird die Patient:innenversorgung verbessert und dazu beigetragen, Krankheiten wirksamer zu bekämpfen.

So unterstützt Averbis die Medizininformatik-Initiative, um die Lücke zwischen Forschung und Patientenversorgung zu schließen. 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.

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.

Marc Bliem
Meta IT GmbH
Geschäftsführer

Alle Krankenhäuser sollen eine angemessene Vergütung ihrer Leistungen erhalten. Um kodierrelevante Informationen aus freitextlichen Routinedaten wie Arztbriefen oder Laborberichten adäquat zu berücksichtigen, nutzen wir die KI-Software Health Discovery von Averbis. Wir freuen uns, dass wir damit eine der besten Text Mining Lösungen in Deutschland in unser Produkt MetaKIS integrieren konnten. Unsere Kunden sind begeistert.

Dr. Martin Richter
Klinische Landesregisterstelle des Krebsregisters Baden-Württemberg

Die Averbis Health Discovery hilft uns dabei, unsere Prozesse wirksam zu verschlanken und die Arbeitslast unserer Dokumentare zu verringern. So sparen wir wertvolle Zeit, die wir in andere Tätigkeiten investieren können.

Finden Sie Antworten in Ihren Daten

Sie wünschen weitere Informationen oder eine Demo? Gerne präsentieren wir Ihnen unsere Produkte und erstellen Ihnen eine Demonstration auf Basis Ihrer ausgewählten Daten.

Sie könnten auch interessiert sein an

Health Discovery

Links Webseite_Health Discovery

Speech2Structure

Cropped view of radiologist viewing MRI scan results and dictating report. Focused on hand holding voice recorder. Examination at specialized medical clinic, diagnosis and healthcare concept.

Healthcare

Front view of Mixed-race female doctor pretending to touch an invisible screen in the corridor at hospital