Labormedizin
Forschung
SmartAlert: Implementing Machine Learning-Driven Clinical Decision Support for Inpatient Lab Utilization Reduction ist ein wissenschaftlicher Beitrag, der ein maschinelles Lernverfahren-basiertes klinisches Entscheidungsunterstützungssystem (CDS) vorstellt. Dieses in die elektronische Patientenakte integrierte System prognostiziert stabile Laborwerte, um unnötige Wiederholungstests – insbesondere beim großen Blutbild (CBC) – bei stationären Patienten zu verringern. In einer randomisiert-kontrollierten Pilotstudie mit 9270 Aufnahmen in acht Akutstationen zweier Krankenhäuser (15. August 2024 bis 15. März 2025) führte SmartAlert zu einer signifikanten Reduktion der CBC-Anforderungen innerhalb von 52 Stunden nach Alert-Anzeige (1,54 vs. 1,82, p < 0,01), entsprechend einer relativen Senkung um 15 %, ohne negative Auswirkungen auf Sicherheitsendpunkte. Der Text beschreibt den Implementierungsprozess, Herausforderungen sowie gewonnene Erkenntnisse zu Modellinterpretation, Stakeholder-Einbindung, Governance, Benutzeroberflächengestaltung und operativer Abstimmung.
medicalvalues ist ein deutsches Medizintechnologie-Unternehmen aus Karlsruhe, das KI-gestützte Softwarelösungen für medizinische Diagnostik in Laboren und Kliniken entwickelt. Das Unternehmen bietet modulare Plattformen für intelligente Laboranforderungen, automatisierte Befundgenerierung, diagnostische Entscheidungsunterstützung sowie FHIR-basierte Diagnostik-APIs. Der Ansatz kombiniert Echtzeitdaten wie Laborwerte, Symptome, Anamnese und Medikation mit medizinischem Fachwissen aus Leitlinien und Forschung. Ziel ist die Verbesserung diagnostischer Qualität, die Reduzierung manueller Arbeitsaufwände sowie die Optimierung klinischer und laborinterner Prozesse. Die Lösungen können in bestehende Krankenhaus- und Laborinformationssysteme integriert werden und unterstützen Interoperabilität durch Standards wie FHIR, LOINC und SNOMED CT. Das Unternehmen ist nach ISO 13485 für Software als Medizinprodukt zertifiziert.
Der Text erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit und stellt keine Rechtsberatung dar. Anmerkungen können in der rechten Seitenleiste mit Hypothes.is sozialem Annotierungswerkzeug oder am unteren Ende einer Seite mit GitHub Giscus Diskussionen hinterlassen werden.