AIQNET

Ziel ist die Entwicklung eines digitalen Ökosystems, das die Nutzung klinischer und medizinischer Daten sektorenübergreifend und datenschutzkonform ermöglicht. Dazu wird die Beschaffung, Strukturierung und Analyse medizinischer Daten mithilfe künstlicher Intelligenz (KI) weitgehend automatisiert. Das Projekt löst damit drei zentrale Probleme, die den Fortschritt der Medizintechnik und der Gesundheitsversorgung insgesamt hemmen:

1. AIQNET schafft einen gesamtheitlichen Zugang zu medizinischen und klinischen Daten, die von Forscher:innen, Ärzt:innen und der Industrie dringend für Forschungszwecke und zur Einhaltung gesetztlicher Vorgaben (Compliance) benötigt werden und bisher über viele verschiedene Systeme verteilt vorliegen. 
2. AIQNET schafft die Voraussetzungen für die rechtliche Nutzbarkeit der Daten, die aufgrund der fehlenden Teilhabe der Patient:innen und intransparenter Prozesse oft nicht gegeben ist.
3. AIQNET schafft eine Plattform zur breiten Nutzung von Gesundheitsdaten für Forschung und evidenzbasierte Medizin, um eine hohe Interoperabilität der IT-Systeme und die Verfügbarkeit strukturierter Daten zur optimalen Patient:innenbehandlung zu ermöglichen. 

AIQNET ist ein offenes System, das durch seine Kompatibilität und Neutralität einen Nutzen für alle Interessengruppen schafft.

Unsere Vision: ein Ökosystem mit 100 Anwendungen und Installationen sowie 1000 angeschlossene Kliniken innerhalb von 5 Jahren.

Das Konsortium hat viele Universitäten und Industriepartner. Die Charité ist einer von ihnen mit dem Anwendungsfall "Künstliche Intelligenz zur automatisierten Erfassung, Strukturierung und Auswertung medizinischer Daten, insbesondere zur Erhöhung der Evidenz bei komplexen Wirbelsäulenoperationen". Die Patient:innen werden anhand von prä- und postoperativen Röntgenbildern und ihren PROMs für die prognose der Behandlung von Wirbelsäulenoperationen mithilfe von Künstlicher Intelligenz ausgewertet, um die Verbesserung statistisch zu messen. 

Unser Team unterstützt das Projekt AIQNET und die Konsortiumsmitglieder bei den Anforderungen an medizinische Terminologien und Interoperabilitätsstandards zur Strukturierung und Speicherung der relevanten Forschungsdaten. LOINC und HL7 FHIR werden in den Projekten verwendet, um die Daten interoperabel und leicht verfügbar innerhalb des Konsortiums für weitere Forschungsoptimierungen zu machen.