Bis heute sind die Krankenhäuser in Deutschland unzureichend digitalisiert. Mangelnde Interoperabilität und uneinheitliche Datenstrukturen sind ineffizient, führen zu einer hohen Mehrbelastung der ohnehin schon knappen Fachkräfte und erschweren medizinische Innovationen.
Tiplu beschäftigt sich weitreichend mit der Krankenhausdigitalisierung durch den Einsatz von Künstlicher Intelligenz und betreibt das größte Machine Learning-Netzwerk in deutschen Krankenhäusern. Auf dieser Basis werden u. a. wegweisende Softwarelösungen zu Themen wie Clinical Decision Support und Prozessautomatisierung entwickelt.
Als Software, entwickelt für umfangreichen “Clinical Decision Support", soll MAIA Mediziner:innen im Krankenhaus unterstützen. Dazu werden Hinweise zu Eintrittswahrscheinlichkeiten bestimmter Erkrankungen und medizinischer Ereignisse anhand eines auf Leitlinien und Fachliteratur basierenden Regelwerkes (Verdachtsdiagnosen) als auch basierend auf Machine Learning-Modellen (Risikoprädiktionen) angezeigt.
Die aktuell sieben unterschiedlichen ML-Risikoprädiktionsmodelle wurden von fachlichen Experten:innen und unter Zuhilfenahme eines einzigartigen Netzes für Gesundheitsdaten trainiert und validiert. Erklärungen für ein erhöhtes Risiko für das Eintreten von z. B. Sepsis, Sturz oder einer akuten Nierenschädigung umfassen eine kompakte Auflistung jener Elemente der elektronischen Patientenakte, welche laut des trainierten Modells die größten Beiträge zur Risikosteigerung verursachen.
MAIA fordert Daten im interoperablen FHIR-Format und ist KHZG-förderfähig.
Die Erfüllung der regulatorischen Anforderungen an ein neuartiges Medizinprodukt wie MAIA stellt die Sicherheit, Leistung und den klinischen Nutzen im Einsatz sicher.
Das Medizinprodukt MAIA soll langfristig entlang der Krankenhausdigitalisierung auch den negativen Auswirkungen des Fachkräftemangels entgegenwirken und die Interoperabilität im deutschen Gesundheitswesen vorantreiben. Durch innovative, hochqualitative Produkte und Strukturen stellt Tiplu sich den dort herrschenden Herausforderungen.
