KI-Modelle in der klinischen Forschung

Zielgruppen

  • Gesundheitswesen, inkl. Forschung, KMUs, Start-ups, Krankenkassen, Aufsichtsbehörden

Ihre Anforderungen

Sie benötigen Unterstützung in der:

  • Entwicklung oder Validierung von KI-Modellen in der klinischen Forschung
  • Planung einer klinischen Studie zur Evaluation von KI-Modellen
  • Integration von KI-Modellen in die medizinische Versorgung

Unser Angebot

Wir bieten Unterstützung bei der Entwicklung geeigneter KI-Modelle für die Forschung mit medizinischen Daten. Zusätzlich hat dieser Service das Ziel, bereits bestehende KI-Prädiktionsmodelle erfolgreich in die Routineversorgung zu integrieren. Für einen adäquaten Transfer von KI-Prädiktionsmodellen in die medizinische Versorgung müssen Modelle vorab im jeweiligen Setting extern validiert, ggf. kalibriert und hinsichtlich ihres Nutzens und Schadens (Impact-Analysen) evaluiert werden. Das Mittel der Wahl hierfür können geeignete Real-World Data oder prospektive klinische Studien sein.

Für klinische Studien ist die methodische Planung bzw. Beratung ein entscheidender Faktor für das Gelingen und die Qualität. Die Planung beinhaltet die Wahl zum Studienziel passender Parameter, Endpunkte, geeigneter (adaptiver) Studiendesigns, Auswertungsmethoden, Fallzahl- und Powerberechnung, sowie die Wahl geeigneter Datenbanklösungen zur Erfassung von Studiendaten.

Unsere Leistungen umfassen:

  • Unterstützung bei Entwicklung von KI-Modellen in der klinischen Forschung
  • Unterstützung bei Evidenzsynthese zur Identifikation geeigneter Modelle für ein definiertes Prädiktionsproblem
  • Unterstützung bei externer Validierung und Kalibrierung von bestehenden KI-Modellen (z.B. externe Validierung auf Basis von Real-World-Data) für den jeweiligen Anwendungskontext
  • Unterstützung bei methodischer Planung klinischer Studien (z.B. Fallzahlkalkulation, Powerberechnung, Wahl passender Endpunkte)
  • Beratung zu DSGVO und GCP-konformen Datenbanklösungen in klinischen Studien
  • Unterstützung bei der Integration von KI-Modellen in die medizinische Versorgung

Nutzungsvoraussetzungen

  • Tätigkeit im Gesundheitswesen
  • Erste Projektidee

Erfolgsstories

Development and Validation of Explainable Machine Learning Models for Risk of Mortality in TAVI - TRIM Scores. (2023)
    Radiomic Features and Machine Learning for the Discrimination of Renal Tumor Histological Subtypes - a Pragmatic Study Using Clinical-Routine Computed Tomography. (2020)
      External validation and update of the RICP - a multivariate model to predict chronic postoperative pain. (2018)
        Applications of AI/ML approaches in cardiovascular medicine - A systematic review with recommendations. (2021)

          Art des Services

          Beratung

          Ansprechpartner:in

          Andreas Leha
          Thomas Asendorf
          Tim Mathes
          Maxi Schulz

          geplanter Starttermin

          ab sofort