Künstliche Intelligenz

KI-gestützte Wissensassistenten für interne Dokumente im Spital

KI-gestützte Wissensassistenten für interne Dokumente im Spital

Das Spital Männedorf zeigt, wie KI den Wissenszugang im Spitalalltag vereinfachen kann. Mit zwei KI-gestützten Assistenten erhalten Mitarbeitende schnellen Zugriff auf aktuelle interne Dokumente. Dadurch werden Suchaufwände reduziert, die Dokumentenqualität verbessert und die Patientensicherheit gestärkt. Der Use Case verdeutlicht, wie praxisnahe KI-Lösungen bereits heute einen konkreten Mehrwert für Gesundheitsinstitutionen schaffen können.

Effizientere Terminadministration durch intelligente E-Mail-Verarbeitung

Effizientere Terminadministration durch intelligente E-Mail-Verarbeitung

Künstliche Intelligenz bietet auch in der Praxisadministration konkreten Mehrwert. Ein neuer Use Case zeigt, wie eingehende E-Mails automatisch erkannt, interpretiert und direkt in bestehende Terminprozesse integriert werden. So lassen sich administrative Aufwände reduzieren und Reaktionszeiten deutlich verkürzen.

KI-gestützte Therapieunterstützung für Multiple Sklerose auf Basis von Real-World-Daten

KI-gestützte Therapieunterstützung für Multiple Sklerose auf Basis von Real-World-Daten

Wie gelingt der Übergang von einem wissenschaftlich entwickelten KI-Modell zu einem zertifizierten Medizinprodukt im klinischen Alltag? PHREND® zeigt, wie Real-World-Daten aus einem grossen MS-Register genutzt werden können, um personalisierte Therapieentscheidungen evidenzbasiert zu unterstützen – inklusive regulatorischer Validierung und erfolgreicher Integration in die Praxis.

Einführung von KI-Diagnostik in die klinische Praxis für eine Augenklinik

Einführung von KI-Diagnostik in die klinische Praxis für eine Augenklinik

Wie kann künstliche Intelligenz klinische Prozesse konkret entlasten? Der folgende Health Use Case aus dem Kanton Zürich zeigt am Beispiel der Digitalen Augenklinik, wie KI-gestützte Diagnostik in der Praxis implementiert werden kann – von der regulatorischen Prüfung bis zur Entwicklung eigener Modelle. Das Projekt liefert nicht nur Effizienzgewinne im Screening, sondern auch wertvolle Erkenntnisse für die Integration von KI in klinische Abläufe.