Entwicklung konkreter Use-Cases für Ihr Unternehmen
Mitarbeitende in verschiedenen Bereichen werden immer häufiger mit zunehmender Komplexität konfrontiert - sei es durch Produktvielfalt, sich schnell ändernden Regularien oder anspruchsvollen Geschäftsanforderungen. Die medicalvalues GmbH hat sich dieser Herausforderung in der medizinischen Diagnostik gestellt.
Sowohl die Datenmengen, als auch das medizinische Forschungswissen, nehmen in dieser Branche rasant zu. Beispielsweise hat sich allein im letzten Jahr, alle 73 Tage das medizinische Wissen in Papers & Leitlinien verdoppelt. Medicalvalues hilft Ärzt:Innen mit einem Unterstützungssystem, um in jeder individuellen Patienten-Situation eine optimale Diagnostik durchzuführen.
Die hierzu entwickelten Tools und Herangehensweisen lassen sich auch auf andere Industrien und Geschäftsbereiche übertragen.
Ziel der Veranstaltung ist es Szenarien zu identifizieren, in welchen Entscheidungsunterstützungssysteme Ihre Mitarbeitenden und Kunden/Partner unterstützen können. Typischerweise können die Software-Systeme folgende Themen adressieren:
Der Referent Jan Kirchhoff konnte u.a. durch seiner Zeit bei SAP Erfahrungen mit Entscheidungsunterstützungssystemen sammeln und diese durch sein Unternehmen, die medicalvalues GmbH, weiter ausbauen. Das angeeignete Wissen sowie die daraus resulitierenden Erkenntnisse lassen sich auf andere Branchen übertragen. Herr Kirchhoff kann in Abwägung und/oder Verbindung von Machine Learning sowie regelbasiertem Vorgehen in dieser Thematik unterstützen.
Die medicalvalues GmbH bietet eine Plattform zur Entscheidungsunterstützung im hochregulierten und zugleich komplexen medizinischen Umfeld. In der Unterstützung von Ärzt:Innen in der Diagnostik (z.B. in der Onkologie) haben Erklärbarkeit und Verlässlichkeit der Algorithmen, Datenschutz aber auch Prozessanpassbarkeit sowie die regelmäßige Aktualisierung oberste Priorität. Dazu setzt medicalvalues auf ein Knowlegde Graph basiertes System, welches auf bestehendes Wissen (z.B. aus Leitlinien) aufbaut und zugleich mithilfe von Machine Learning einen Umgang mit der hohen medizinischen Komplexität / den vielfältigen Zusammenhängen ermöglicht.
