Les nouvelles technologies vont transformer en profondeur le travail en hospitalisation au cours des prochaines années. Nous menons donc des recherches actives sur l'intelligence artificielle appliquée aux processus cliniques, développons nos propres modèles, que nous reconstruisons, mesurons et anticipons à partir des données en temps réel – et les validons avec des hôpitaux et des partenaires de recherche sur des données réelles.
Une partie de ce travail se fait en collaboration : nous mettons à disposition des données et une infrastructure, encadrons des mémoires de licence, de master et des thèses de doctorat, et travaillons avec des réseaux de recherche internationaux. Les travaux listés ci-dessous en sont issus ou situent le domaine dans son contexte scientifique.
Grabow, S.
Retour d'expérience du LMU Klinikum de Munich : un assistant numérique pour la gestion du bloc opératoire réduit les retards – et montre que l'essentiel reste les équipes au quotidien.
Giese, J., Palan, N.
Comment l'UKSH met en place, étape par étape, un pilotage numérique des processus et des patients au bloc opératoire – de la situation initiale à l'exploitation courante.
Giese, J.
Aperçu de l'utilisation des systèmes d'assistance numérique au quotidien du bloc opératoire et des exigences qui en découlent pour l'organisation et les équipes.
Hort, A. · TH Rosenheim, Informatik
Mémoire de master sur l'analyse et l'optimisation du processus périopératoire à partir des données, au LMU Klinikum Großhadern.
Réalisé en coopération avec sqior medical GmbH
Kloyer, M. · University of Oslo, Health Management and Health Economics
Mémoire de master proposant une analyse qualitative de la conduite du changement lors de l'introduction d'un assistant numérique au bloc opératoire d'un hôpital universitaire munichois.
Réalisé en coopération avec sqior medical GmbH
Szabó, A.K., Flemming, S. · Die Chirurgie
Article de synthèse sur la sécurité des patients au bloc opératoire.
Voir la publicationRamamurthi, A., Neupane, B., Deshpande, P., et al. · JAMA Surgery
Étude rétrospective portant sur plus de 125 000 interventions programmées : avec quelle précision les grands modèles de langage prédisent-ils la durée opératoire à partir de données cliniques non structurées, par rapport aux méthodes d'estimation établies ?
Voir la publicationPark, J., Roh, G., Kim, K., Kim, H. · Journal of Medical Systems
Modèles de forêts aléatoires spécifiques à chaque spécialité pour prédire la durée des interventions, comparés à des méthodes telles que XGBoost, LightGBM et CatBoost.
Voir la publicationYu, H., Yuan, Y., Zhang, Y., et al. · BMC Medical Informatics and Decision Making
Analyse descriptive des durées d'anesthésie et de chirurgie lors d'interventions urgentes, comme base d'indicateurs de performance du bloc opératoire.
Voir la publicationRamamurthi, A., Neupane, B., Deshpande, P., et al. · Surgery
Développement et validation d'un système d'intelligence artificielle pour prédire la durée des interventions.
Voir la publicationVous avez une proposition de projet, cherchez un partenaire de consortium de recherche ou avez besoin d'accéder à notre base de données de processus cliniques ou à nos modèles d'IA ?