Semmelweis-Universität

Die 1769 gegründete Semmelweis-Universität blickt auf eine über 250-jährige Tradition akademischer Exzellenz und ärztlicher Ausbildung zurück. Sie ist eine der führenden Hochschulen für Medizin und Gesundheitswissenschaften in Ungarn und Mitteleuropa. An der Universität studieren rund 16.000 Studierende, ein Drittel davon aus 110 Ländern weltweit. Die Studiengänge werden in drei Sprachen angeboten (Ungarisch, Englisch und Deutsch).

Mit fast 40 Kliniken und Instituten, verteilt auf 4 große klinische Zentren, ist die Semmelweis-Universität eine der größten Gesundheitseinrichtungen Ungarns. Ihr zentrales Anliegen ist die Einheit von Lehre, Forschung und Heilung, die sie zu einem international anerkannten Wissenszentrum macht. Klassische Medizin und pharmazeutische Forschung werden durch innovative Disziplinen wie künstliche Intelligenz, translationale Biotechnologie, Big Data und regenerative Medizin unter Einsatz modernster Technologie unterstützt und ergänzt.

Die Zusammenarbeit zwischen der Klinik für Notfallmedizin der Semmelweis-Universität und XUND ist wegweisend beim Einsatz KI-gestützter Technologie: Sie schafft eine digitale Eingangstür zur Notaufnahme, die sowohl die Patientenaufnahme als auch die weitere Patient Journey optimiert. Mit der Lösung von XUND wollen beide Partner das Gesundheitssystem entlasten und Wartezeiten verkürzen.

Die Forschungshypothese lautet: Durch die Kombination der medizinischen Vorgeschichte aus Patientenakten mit Gesundheitsdaten, die Patient:innen direkt angeben, lassen sich prädiktive Machine-Learning-Modelle entwickeln, die Patient:innen und medizinischem Fachpersonal gleichermaßen helfen, die Versorgungsqualität zu verbessern.

Das Projekt soll zeigen, dass Entscheidungsunterstützungs-Tools sowohl Notfallversorgern als auch Patient:innen deutlich nützen, da sie eine gründlichere Erfassung von Anamnese und Symptomen ermöglichen – ganz ohne zusätzlichen Personalbedarf.

XUND hilft dabei, Daten nutzbar zu machen und die Patientensteuerung in Versorgungsnetzwerken stärker datenbasiert zu gestalten. Diese Optimierung führt zu einem effektiveren Einsatz knapper Ressourcen und verbessert letztlich sowohl das Patientenerlebnis als auch die Zufriedenheit des Gesundheitspersonals.

Das Projekt untersucht, ob prädiktive Modelle, die mit Machine Learning verbessert und mit strukturierten, direkt bei Patient:innen erhobenen anamnestischen Daten angereichert werden, die Versorgungsqualität steigern können. Die Ergebnisse der Zusammenarbeit bilden die Grundlage für zahlreiche gemeinsame Publikationen der Semmelweis-Universität und XUND.

Die konkreten Ziele dieses Forschungsprojekts sind:

• Bessere medizinische Ergebnisse durch eine digitale Eingangstür, die am Eintrittspunkt automatisch strukturierte Daten von Patient:innen erfasst und analysiert – ganz ohne menschliches Zutun
• Entlastung von Ärzt:innen und Pflegekräften durch einen effizienteren, datenbasierten Patientenfluss
• Entwicklung medizinischer Entscheidungsunterstützungsmodelle auf Basis direkt bei Patient:innen erhobener Daten, um den Bedarf an bestimmten medizinischen Ressourcen entlang der Patient Journey vorherzusagen

Mit der Technologie von XUND kann die Klinik für Notfallmedizin der Semmelweis-Universität ihren Patient:innen eine digitale Eingangstür bieten und mithilfe eigener Machine-Learning-Modelle die voraussichtliche individuelle Patient Journey skizzieren. Der Einsatz des Gesundheitsassistenten von XUND in der Notaufnahme soll so das Gesundheitssystem entlasten und Wartezeiten minimieren.

Mehrere Faktoren machen XUND zum idealen Partner für dieses Projekt. Erstens verfügt XUND bereits über umfangreiche Erfahrung aus einem früheren Forschungsprojekt in diesem Bereich. Zweitens ist XUND ein Medizinprodukt der Klasse IIa, das alle regulatorischen Anforderungen der Medizinprodukteverordnung (MDR) 2017/745 erfüllt. Außerdem legt das Unternehmen größten Wert auf den sicheren Umgang mit sensiblen Daten nach höchsten Branchenstandards.

Nicht zuletzt lässt sich die zertifizierte Patient Interaction Suite von XUND nutzen, um Symptomanalyse und Patientennavigation nahtlos, schnell und zuverlässig in die eigene App oder Website eines Gesundheitsdienstleisters zu integrieren.