Contact

We would be happy to introduce our courses and the bbw Hochschule - University of Applied Sciences.
Arrange a personal consultation with us.

bbw Hochschule - University of Applied Sciences

Wagner-Régeny-Str. 21
12489 Berlin

Tel.: +49 (0)30 / 319 909 50
Fax: +49 (0)30 / 319 909 555

E-Mail: info@bbw-hochschule.de

My studies

Career Center Job Portal

To find current internship and job offers and to get to our Career Center use the accesses to our job portal here.



Learning Portal and Webmail

To access the virtual course rooms with study material and learning activities, please use the Learning Portal login here. To access your internal university email, please use the Webmail client login here.

bbw Community

In the bbw Community you can download your current certificate of study and find the latest news from the university.



Search

AI based Risk Prediction and Treatment Effect Estimation AIR_PTE

  • Projektverantwortlicher:
    Prof. Dr.-Ing. Thomas Zahn
  • Projektmitarbeiter:
    Mario Tormo
  • Förderer:
    InGef im Rahmen BMWi - smarte Datenwirtschaft
  • Fördersumme:
    20.000 EUR
  • Projektpartner:
    DCC Risikoanalytik GmbH (Konsortialführer)
    InGef - Institut für angewandte Gesundheitsforschung
    Macadamian Ltd Ottawa
    Mc Gill University Montreal
  • Laufzeit:
    01.07.2021 bis 30.08.2022

Projektinformationen

Im Deutsch-Kanadischen Kooperationsprojekt AI based Risk Prediction & Treatment Effect estimation wird mit KI-Methoden Real World Evidenz zur Wirkung von Behandlungsoptionen aus anonymisierten Abrechnungsdaten der nationalen Krankenversicherungen gewonnen und für individualisierte Vorhersagen am Point of Care nutzbar gemacht.

Dabei wird ein auf der deutschen EVA Analyseplattform des InGef und der Kanadischen Macadamian Health Connect Plattform einsetzbarer KI basierter Rapid Evidence Generator (REG) entwickelt. Dieser soll aus der Vielzahl von Einzelfällen und der breiten Palette von Langzeit Behandlungsverläufen in den Abrechnungsdaten der Krankenversicherungen, schnell neue Evidenz für die Wirksamkeit spezifischer Behandlungsmethoden auf konkrete Zielparameter, auch für spezielle Patientengruppen gewinnen.

Die Ergebnisse sollen über ein digitales Rapid Evidence Repository (RER) datenschutzkonform am Point of Care nutzbar werden. Dort geben Ärzte:innen Merkmale und Behandlungsziele des/der Patient:innen nach deren Zustimmung anonym ein und erhalten Hinweise zur potenziellen Wirkung der zur Auswahl stehenden Behandlungsoptionen sowie Links zu den verfügbaren Evidenz-Studien.

Erste Ergebnisse wurden am Beispiel der Behandlungsoptionen für Venenthrombose (VTE) entwickelt und im Rahmen des von AIR_PTE, dem Schwesterprojekt Nephrocage sowie dem German-Canadian Council, gemeinsam im Rahmen der Vortragsreihe 50 Jahre Deutsch-Kanadische Forschungskooperation gestalteten "AI4Health" Symposiums im 11/21, vor mehr als 60 internationalen Expert:innen und Regierungsvertreter:innen vorgestellt.