• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Friedrich-Alexander-Universität Lehrstuhl für Medizinische Informatik
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Medizinische Fakultät
  3. Institut für Medizininformatik, Biometrie und Epidemiologie
  • Confluence
  • GitLab
  • JIRA
  • Nextcloud
  • studOn
  1. Friedrich-Alexander-Universität
  2. Medizinische Fakultät
  3. Institut für Medizininformatik, Biometrie und Epidemiologie
Friedrich-Alexander-Universität Lehrstuhl für Medizinische Informatik
Menu Menu schließen
  • Forschung
  • Projekte
  • Lehre
  • Team
  • Links
  • Kontakt
  1. Startseite
  2. Projekte
  3. abgeschlossene Projekte
  4. cloud4health

cloud4health

Bereichsnavigation: Projekte
  • ABIDE_MI
    • ABIDE_MI (English)
  • ANFOLKI-36
  • BMDeep
  • digiDEM Bayern
  • DigiOnko
  • MIDIA-Hub
  • PEAK
  • MIRACUM
    • MIRACUM (English)
  • abgeschlossene Projekte
    • Analyse der Einstellung von Patienten und Ärzten zum veränderten Patienten-Arzt-Verhältnis
    • Analyse der Rahmenbedingungen zur Einführung einer Elektronischen Patientenakte im Gesundheitsnetz Erlangen (GNE)
    • Arden Syntax
    • Arzneimitteltherapiesicherheit in der Akutversorgung
    • Aufgaben und Architekturen einrichtungsweiter Bilddatenmanagementsysteme in der Medizin
    • BBMRI-ERIC ADOPT
    • cloud4health
    • Cognitive Aid
    • Datenintelligenz
    • Deutsches Gewichtskontrollregister (DGKR)
    • eHealthMonitor
    • EHR4CR
    • Elektronische Auftragskommunikation für die interdisziplinäre Tumorboardbesprechung
    • Epidermolysis Bullosa
    • Epilepsie Register
    • Essen-Bochum Obesity Treatment Study (EBOTS)
    • Evaluation EGA
    • German Biobank Alliance
    • German Biobank Node (GBN)
    • GCKD-Studie
    • Integrated Data Repository Toolkit (IDRT)
    • Interaktives dreidimensionales Portable Document Format (3D-PDF) für medizinische Anwendungen
    • IT-Systeme für die Glaukombehandlung
    • KisRek
    • Klinische Datenintelligenz (KDI)
    • MelEVIR
    • MetropolMediplan 2016
    • Mobile Visite
    • Onko-Wiki
    • OPAL Health
    • P³ Personalisierte Pharmakotherapie in der Psychiatrie
    • Pathifier
    • Personal Medical Safe (PROMISE-DS)
    • POLYPROBE
    • ProHTA
    • Prozessmining und Prozessoptimierung in der Radiologie
    • QM-Handbuch
    • TMF eTrial-Challenge
    • TMF IT-Strategieprojekte
    • Verbesserung des Dokumentations- und Berichtswesens im Kontext der DRG-basierten Abrechnung
    • Web-basierte Patientenfragebögen
    • Wissensverarbeitende Systeme / Wissenmodellierung in der Medizin
    • WHO/European eHealth Consumer Trends Survey

cloud4health

Cloud-computing für Big-Data Analysen in der Medizin

Es konnte kein Kontakteintrag mit der angegebenen ID 373 gefunden werden.
  • Projekthomepage
  • Trusted Cloud (BMWI)
  • Video

logo-cloud4healthDas Projekt cloud4health erschließt große medizinische Rohdatenbestände zur datenschutzgerechten Auswertung von vielfältigen Fragestellungen aus Forschung, Qualitätssicherung und Gesundheits-Ökonomie. Im Gegensatz zu vielen anderen Projekten der Sekundärnutzung klinischer Rohdaten zielt cloud4health darauf ab, auch unstrukturierte Daten wie Freitexte, Arztbriefe und OP-Berichte automatisiert zu verarbeiten und für weitergehende Analysen zu erschließen.

Dazu kombiniert der Ansatz Textanalyse- und Data Warehouse-Technologien und kann je nach Bedarf als private oder öffentliche Cloud bereitgestellt werden. Eine der Herausforderungen dieses Projektes besteht somit in der generischen, skalierbaren Konzeption und datenschutzgerechten Bereitstellung Cloud-basierter Services und der Entwicklung eines nachhaltigen Geschäftsmodells.

Insgesamt werden im Projektzeitraum drei Anwendungsszenarien realisiert:

  • die Extraktion und Auswertung von Informationen aus anonymisierten Patientendaten über die operative Behandlung von Hüftgelenken;
  • die Entwicklung von Verfahren zur automatisierten Plausibilitäts- und Wirtschaftlichkeitsprüfung medizinischer Behandlungen; sowie
  • die frühzeitige Identifizierung unerwünschter Nebenwirkungen neu eingeführter Medikamente mit Hilfe automatisierter Verfahren.

Bis zum Frühjahr 2013 wurde ein erster Prototyp realisiert, der die durchgängige Verarbeitung von strukturierten und unstrukturierten Daten aus dem klinischen Datawarehouse über die lokale Anonymisierung, das Textmining in der Cloud bis zur Nutzung durch ein zentrales Studienportal demonstriert (siehe Abbildung).

Neben der wissenschaftlichen Verwertung ist das Projekt vor allem für die Wirtschaft bedeutsam und wurde daher auch auf Messen und Veranstaltungen wie der Cebit oder der ConHIT präsentiert. Damit hat das Projekt auch Leuchtturmcharakter für die rechtssichere Nutzung von Gesundheitsdaten in der Cloud erlangt.

Partner

  • Averbis GmbH
  • Fraunhofer SCAI
  • RHÖN-KLINIKUM AG
  • TMF e.V.

Information

Laufzeit: 12/2011 – 11/2014

Förderung: Bundesministerium für Wirtschaft und Technologie

Friedrich-Alexander-Universität
Erlangen-Nürnberg

Schlossplatz 4
91054 Erlangen
  • Impressum
  • Datenschutz
  • Barrierefreiheit
Nach oben