PERFORMANCEMONITORING IM SPITAL Durch ein Managementinformationssystem (MIS) basierend auf Qlik Sense und SAP setzt das UKBB auf eine datengetriebene Spitalführung.
Mehr Effizienz und Struktur Die JURA Materials-Gruppe realisiert mit iVIEW effiziente ETL-Strecke zwischen SAP FICO und Qlik
PERFORMANCEMONITORING IM SPITAL Durch ein Managementinformationssystem (MIS) basierend auf Qlik Sense und SAP setzt das UKBB auf eine datengetriebene Spitalführung.
Mehr Effizienz und Struktur Die JURA Materials-Gruppe realisiert mit iVIEW effiziente ETL-Strecke zwischen SAP FICO und Qlik
Künstliche Intelligenz (KI) im Gesundheitswesen Erfahren Sie hier, welches Potenzial mit Automated Machine Learning und Künstliche Intelligenz (KI oder auch AI Artificial Intelligence) im Bereich der Gesundheitswesen gehoben werden kann. WEBINAR ON-DEMAND - Vorhersagen zum Wiederkehrer Das Gesundheitswesen befindet sich zurzeit in einem grossen Wandel. Es ist zwar nichts Neues, dass eine immer bessere Servicequalität zu immer kostengünstigeren Bedingungen angeboten werden soll. Doch in den letzten Jahren ist ein entscheidender Faktor dazugekommen, der das Potenzial hat, weitreichende Verbesserungen mit sich zu bringen: die Künstliche Intelligenz (engl. artificial intelligence/AI). Mithilfe von KI und Machine Learning können bereits heute wertvolle Erkenntnisse aus den riesigen Datenmengen gewonnen werden, die im Gesundheitswesen existieren und laufend erweitert werden. Dies bringt in zahlreichen Bereichen bedeutsame Vorteile mit sich. Dank präzisen Vorhersagemodellen können Dienstleister ihre Servicequalität verbessern und Kosten einsparen, während für Patienten bessere Ergebnisse erzielt werden. Unsere BI-Expertise im Bereich Gesundheitswesen Anwendungsfälle KI und Machine Learning im Spitalwesen Machine Learning und die Künstliche Intelligenz generell können auf mehreren Wegen zu einem Gesundheitswesen beitragen, welches bessere Leistungen zu einem tieferen Preis anbietet. Denn smarte Lösungen können bei klinischen, operativen sowie auch finanziellen Entscheidungen Abhilfe leisten. So kann bereits heute mit intelligenten Vorhersagemodellen die Häufigkeit vieler kostentreibenden Ereignissen reduziert werden: Die Wahrscheinlichkeit einer Wiederkehr eines Patienten kann besser vorhersagt und verhindert werden. Die Auslastung der Intensivstationen und Notaufnahmen kann genauer prognostiziert und Ressourcen dementsprechend gezielter eingeplant werden. Das Risiko einer Infektion während des Spitalaufenthalts kann für jeden Patienten genauer berechnet werden, wodurch präventive Massnahmen frühzeitig eingeleitet werden können. Die Aufenthaltsdauer als kostentreibenden Faktor kann präziser vorhergesagt werden, was wiederum eine flexiblere Planung und tiefere Kosten mit sich bringt . Automated Machine Learning - Use Cases mit DataRobot Klinisch Risikostratifizierung Vorhersage der Adhärenz von Medikamenten Tendenz zur Erkrankung Risiko von Patienten, die im Krankenhaus behandelt werden Vorhersagen des klinischen Verlaufs Wirksamkeit der Behandlung Ergebnisprognose (basierend auf der Behandlung) Vorhersage von Patientenergebnissen (basierend auf sozialen Determinanten) Prognose der akuten vs. chronischen episodischen Behandlung Klinisch Früherkennung von Krankheiten Vorhersage für nicht adhärente Patienten Fehleranfälligkeit (klinisch oder medikamentös) Vorhersage von unerwünschten Ereignissen Vorhersage von Verfahrenskomplikationen Vorhersage von Sepsis, A-Fib, CHF, NICU, Transplantationsfällen Vorhersage der Infektionsrate Dekubitusrisiko Dienstleistungen Notfall-Auslastungsprognose No-Show Prognose Patientenvolumen-Prognose nach Leistungsart Prognose der Besuche beim Hausarzt Patienten-Besuche und Bettentage, Prognose der durchschnittlichen Verweildauer nach Bettentyp Chirurgie/Prozedur bis zur Optimierung Voraussage der vermeidbaren Wiederzulassungen Auslastungsprognose Belegungsvorhersage für Intensivstationen Optimierung der Patientenbuchung Marketing Patientenabwanderung Bereitschaft zu einer Umfrage Zielgruppenorientiertes Marketing Geografische Vorhersage des Zielmarketings Call-Center-Optimierung Prospecting Lead-Optimierung Lead-Scoring / Bereitschaft Optimierung der Kampagne Lebenszykluswert des Patienten Nachrichten-Optimierung Substanzenmissbrauch und psychische Gesundheit Suchtgefahr (z.B. Opioid) Wahrscheinlichkeit eines Rückfalls Wahrscheinlichkeit einer Diagnose von psychischer Erkrankung Beratungsbedarf zur psychischen Gesundheit / Auslastungsprognose Vorhersage der Exazerbation eines Patienten Umsatz-Zyklus Management Triage und Priorisierung von Reklamationen Optimierungen der Reklamationenerfassung Ertragsprognose (nach Patiententyp) Umsatzprognose (basierend auf Abteilung) Kostenvorhersage für Patienten (nach Besuchs- und Prozedurtyp) Impressionen DataRobot im Gesundheitswesen 0 1 2 3 Versteckte Kosten im Spitalumfeld Auch Bereiche, die auf den ersten Blick banal erscheinen, jedoch die Kosten wesentlich in die Höhe treiben lassen, können optimiert werden. So lässt sich dank Machine Learning die Rechnungsstellung verbessern – ein Prozess, der bis anhin äusserst komplex und von zahlreichen Faktoren abhängig war. Dies hat noch heute zur Folge, dass bis zu 90% der gestellten Rechnungen fehlerhaft sind und Rechnungen über $10'000 im Schnitt $1'300 fälschlicherweise verrechnet werden. Intelligente Lösungen führen hier also nicht nur zu Kostenersparnissen, sondern zudem zu einer höheren Zufriedenheit beim Patienten. Die Künstliche Intelligenz hilft ebenfalls, das Nichterscheinen eines Patienten vorherzusagen. Wenn ein Patient nicht zu seiner Behandlung erscheint, kann dies nicht nur für den Dienstleister und den Zahler teuer werden: In solchen Fällen werden oftmals Krankheiten und andere Beschwerden des Patienten nicht behandelt, was später zu einer Verschärfung des Zustandes führen kann. Dies erfordert wiederum eine grössere und anspruchsvollere Behandlung. Mithilfe von Machine Learning können Entscheidungsträger besser vorhersehen, bei welchen Patienten ein Nichterscheinen am wahrscheinlichsten ist. Dies erlaubt es ihnen gezielter zu intervenieren, Termine neu anzusetzen und die Patienten aktiver zu engagieren. So könnten nur schon in den USA jährlich Kosten von bis zu $150 Milliarden eingespart werden. DataRobot Healthcare Infographic Grenzenloses Potenzial Auch in der medizinischen Forschung und Praxis hat die Künstliche Intelligenz das Potenzial, grosse Durchbrüche zu schaffen. Ob bei der Diagnose von Herzproblemen, der Prognose von Lebererkrankungen oder in der Radiologie: Es gibt kaum einen Bereich, in dem Machine Learning in Zukunft keine Rolle spielen wird. Das Gesundheitswesen steht noch relativ am Anfang seines datengetriebenen Wandels und die Möglichkeiten scheinen grenzenlos. Und doch können bereits heute dank intelligenten Systemen enorme Kosten eingespart, die Servicequalität optimiert und Patientenergebnisse verbessert werden Unsere AI/KI Lösung mit DataRobot Mit Informatec und unserer bevorzugten KI-Lösung DataRobot ist auch Ihr Unternehmen für die Zukunft in der Künstlichen Intelligenz bestens gerüstet. Die Plattform vereint das Wissen, die Erfahrung und die Best Practices der weltweit führenden Datenwissenschaftler und bietet ein unübertroffenes Mass an Automatisierung, Genauigkeit, Transparenz und Zusammenarbeit, um Ihnen beim Aufbau eines KI-gesteuerten Unternehmens zu helfen. Automated Machine Learning mit DataRobot AutoML (Automated Machine Learning) ist eine von DataRobot erfundene Technologie zur Automatisierung vieler der Aufgaben, die für die Entwicklung von Anwendungen der künstlichen Intelligenz (KI) und des maschinellen Lernens erforderlich sind. DataRobot vereint das Wissen und die Erfahrung einiger der weltweit führenden Data Scientists und ermöglicht es mehr Anwendern in einem Unternehmen, mit maschinellem Lernen erfolgreich zu sein, indem sie einfach ihr Verständnis für ihre Daten und ihr Geschäft nutzen und DataRobot den Rest erledigen lassen. Automatisierung und Demokratisierung von KI und ML Modelle und Vorhersagen über die intuitive Benutzeroberfläche DataRobot bietet eine einfach zu bedienende visuelle Benutzeroberfläche, die für Business-User und erfahrene Data Scientists geeignet ist. Einfach Zielvariable auswählen und auf den Start-Button klicken und Sie erhalten die für Sie relevanten Datenmodelle. Entdecken Sie DataRobot Email Facebook Instagram LinkedIn Twitter Xing