7 Posts getaggt mit "Klinische Studien"

Einführung​

Die Zukunft der Messung der Hidradenitis Suppurativa ist da, dank des revolutionären AIHS4 (Automatic, International Hidradenitis Suppurativa Severity Scoring System) von Legit.Health. Die Forscher haben ein Tool entwickelt, das Smartphone-Bilder verarbeitet und sie automatisch nach denselben Kriterien wie das IHS4 analysiert.

Es ist allgemein bekannt, dass objektive, verlässliche und präzise Ergebnismessungen entscheidend für die Praxis der faktenbasierten Medizin sind. Im Falle der Hidradenitis Suppurativa ist der IHS4 das modernste und zuverlässigste Messinstrument, das für den Einsatz in klinischen Studien und in der täglichen Praxis weithin empfohlen wird. Aus diesem Grund hat Legit.Health es als Grundlage für seine neue und revolutionäre Technologie gewählt.

Das AIHS4 wurde in neueren wissenschaftlichen Veröffentlichungen aufgegriffen, wie z. B. in dem folgenden Artikel des Nationalen Forschungsrates von Italien und der Universitäten von Palermo und Messina:

(...) um das IHS4 zu überwinden, das zeitaufwendig ist und Schwankungen unterliegt, wird das AIHS4 eingeführt, das ein DL-Modell, Legit.Health-IHS4net, für die Läsionserkennung verwendet (...). Diese Erkenntnisse unterstreichen den Nutzen der KI in der faktenbasierten Dermatologie und bieten ein potenzielles Werkzeug, um Dermatologen in der täglichen Praxis und bei klinischen Studien zu unterstützen.

Die Ursprünge des IHS4​

Vor der Entwicklung des IHS4 im Jahr 2017 wurden von Ärzten häufig andere Systeme wie die Hurley-Klassifikation oder der Modified Sartorius Score verwendet. Obwohl es diesen älteren Systemen an Granularität und Präzision mangelte, waren sie aufgrund des Fehlens einer alternativen Methode sowohl in der klinischen Praxis als auch in Studien weit verbreitet.

Sie [die Hurley-Klassifikation] ist jedoch statisch und wurde nicht als dynamischer Score für eine genaue Bewertung des Ausmaßes der Entzündung innerhalb jedes Stadiums konzipiert.

IHS4 wurde unter Berücksichtigung dieser Aspekte entwickelt. Das Expertengremium, das ihn zusammenstellte, konzentrierte sich darauf, eine objektivere, präzisere und zuverlässigere Methode zur Messung des Schweregrads der Hidradenitis Suppurativa zu finden.

Die von der Expertengruppe entwickelte Formel addierte die drei häufigsten Symptome der Hidradenitis Suppurativa und multiplizierte sie mit einem Faktor, der angibt, wie aussagekräftig sie für den Schweregrad der Krankheit sind. Auf diese Weise wird die Anzahl der Knötchen mit 1 multipliziert, die Anzahl der Abszesse mit 2 und die Anzahl der Drainagetunnel (Fisteln/Sinusse) mit 4.

All dies zusammengenommen ergibt das IHS4-Ergebnis. Diese Punktzahl wird dann mit einer kleinen Referenztabelle verglichen, die jeder Bewertungsgruppe eine interpretierbare Bedeutung zuweist.

• Weniger als 3 Punkte: Leicht
• Zwischen 3 und 10 Punkten: Mäßig
• Mehr als 11 Punkte: Schwerwiegend

Einschränkungen des IHS4 auf Papier​

Eine genaue Klassifizierung des Schweregrads einer Krankheit basiert auf der subjektiven Einschätzung der klinischen Manifestation durch einen Arzt, wobei die Erfahrung des Arztes eine wichtige Rolle spielt.

Obwohl das IHS4 dazu beiträgt, die Probleme seiner Vorgänger zu lösen, weist es dieselben Probleme auf wie viele andere Bewertungssysteme: ein hohes Maß an Subjektivität, das sich aus der visuellen Natur des Tests ergibt, und ein Verfahren, das von vielen Ärzten als zu zeitaufwändig und mühsam bezeichnet wird.

Der Sprung zum digitalen Rechner​

Das IHS4 ist ein ganz besonderer Fall. Im Gegensatz zu den meisten dermatologischen Scoring-Systemen für andere Krankheiten, wie z. B. PASI oder SCORAD, hat die relativ neue Entwicklung dieser Methode der medizinischen Gemeinschaft erlaubt, einen gemeinsamen, aber veralteten Schritt in der Weiterentwicklung des aktuellen Stands der Technik auf diesem Gebiet zu überspringen.

Dieser Schritt, der in der Entwicklung eines Computerrechners besteht, versucht eines der Hauptprobleme jedes Bewertungssystems zu lösen: Der Zeitaufwand für die richtige Anwendung. Hierbei werden die vielen Berechnungen, die die Ärzte normalerweise durchführen müssen, zu einem automatischen Prozess.

Bei der Diagnose der Hidradenitis Suppurativa steht dies noch aus, da das IHS4 ein relativ junges Scoring-System ist und noch nicht genügend Zeit für die Entwicklung eines solchen Rechners zur Verfügung stand.

Stattdessen springen wir mit AIHS4, , direkt in die Zukunft der Dermatologie, indem wir sowohl die Probleme der Zeit als auch der Objektivität innerhalb der traditionellen Methode angehen.

Wie können wir wissen, ob ein Punktesystem gut ist?​

Wenn es um dermatologische Beurteilungen geht, ist die Wirksamkeit eines Bewertungssystems von größter Bedeutung. Aber was genau macht ein Punktesystem zuverlässig und nützlich? Durch einen wissenschaftlichen Konsens wurden mehrere Schlüsselfaktoren identifiziert, die zur Robustheit dieser Systeme beitragen. Sehen wir uns diese entscheidenden Elemente etwas genauer an:

• Benutzerfreundlichkeit: Bei diesem Faktor geht es darum, ob das System im Rahmen der zeitlichen und finanziellen Möglichkeiten mühelos angewendet werden kann. Ein benutzerfreundliches System ist entscheidend für eine breite Akzeptanz im klinischen Umfeld.
• Empfindlichkeit gegenüber Veränderungen: Ein effektives Bewertungssystem muss in der Lage sein, klinisch bedeutsame Veränderungen im Laufe der Zeit zu erkennen. Diese Sensibilität stellt sicher, dass jede Veränderung oder jede Verschlechterung des Zustands eines Patienten genau erfasst wird.
• Zuverlässigkeit zwischen Beobachtern: Dies bezieht sich auf die Konsistenz der Ergebnisse, wenn verschiedene Beobachter/innen das Punktesystem verwenden. Eine hohe Zuverlässigkeit zwischen den Beobachtern bedeutet, dass verschiedene Ärzte zu ähnlichen Schlussfolgerungen kommen, was die Glaubwürdigkeit des Systems erhöht.
• Abweichungen der einzelnen Beobachter: Dabei geht es um die Konsistenz der Ergebnisse, wenn derselbe Beobachter das Bewertungssystem mehrmals verwendet. Die geringe Abweichung eines einzelnen Beobachters deutet darauf hin, dass das System stabile Ergebnisse liefert, unabhängig von wiederholten Bewertungen durch denselben Arzt.
• Interpretierbarkeit: Ein praktisches Bewertungssystem sollte aussagekräftige qualitative Interpretationen seiner Ergebnisse liefern, z. B. die Einstufung des Schweregrads einer Erkrankung als leicht, mittelschwer oder schwer.

Diese Kriterien gewährleisten nicht nur die Wirksamkeit des Bewertungssystems, sondern auch seine Anwendbarkeit und Zuverlässigkeit in verschiedenen klinischen Szenarien.

Angepasst von "Methods and definitions to rate the quality of outcome measures". Schmitt, J., Langan, S., Deckert, S., Svensson, A., von Kobyletzki, L., Thomas, K., & Spuls, P. (2013). Assessment of clinical signs of atopic dermatitis: A systematic review and recommendation. Journal of Allergy and Clinical Immunology, 132(6), 1337--1347. doi:10.1016/j.jaci.2013.07.008.

7 Gründe, warum AIHS4 besser ist​

Das revolutionäre Tool, das von Legit.Health entwickelt wurde, ermöglicht es Dermatologen der nächsten Generation, faktenbasierte Medizin zu praktizieren und gleichzeitig den Berichtsprozess für die Pathologie zu beschleunigen und die Autonomie und Kontrolle des Patienten zu erhöhen.

Diese App verwendet Deep-Learning-Algorithmen, um Ärzte von der mühsamen manuellen Berechnung von Scoring-Systemen zu entlasten, indem sie Läsionen durch die Analyse von Smartphone-Bildern und kurzen von Patienten berichteten Ergebnisdaten („Patient-Reported Outcome Measures“, PROMs) automatisch einstuft. Mit anderen Worten: das Tool füllt automatisch die meisten dermatologischen Scoring-Systeme aus, wie PASI, SCORAD, UAS, GAGS, und natürlich IHS4.

Das bedeutet, dass die neue Version dieses Bewertungssystems Daten präzise und konsistent extrahiert, sowohl bei Routinebewertungen als auch in der klinischen Forschung. Die Verbesserung ist in der folgenden Tabelle zu sehen, in der die Leistungskennzahlen der gängigsten Arten der Nutzung von Punktesystemen verglichen werden:

	Stift und Papier	Digital	Automatisch (KI)
Selbstüberwachung	-	-	Diagnose durchführen
Benutzerfreundlichkeit	≈ 600 Sekunden	≈ 420 Sekunden	≈ 23 Sekunden
Empfindlichkeit auf Veränderung	0 bis 4	0 bis 4	0 bis 100
Abweichungen zwischen Beobachtern	Mittel (20%)	Mittel (20%)	Geringste (8%)
Abweichungen der einzelnen Beobachter	Hoch	Hoch	Null

Dank der Deep-Learning-Algorithmen befreit Legit.Health Ärzte von der mühsamen manuellen Berechnung von Punktesystemen und ermöglicht die Ausübung einer objektiveren evidenzbasierten Dermatologie. Durch die Verwendung von Algorithmen zur Messung von Trockenheit, Lichenifikation, Erythem, Nässen, Ödemen und vielen weiteren Anzeichen kann das Tool außerdem die visuellen Anzeichen zuverlässiger und konsistenter berechnen.

1. AIHS4 verbessert die Anzahl der korrekten Diagnosen​

Der von Legit.Health entwickelte Algorithmus beschränkt sich nicht nur darauf, den Schweregrad der Erkrankung zu messen, wie es das IHS4 tut, sondern wurde auch mit Hilfe von Top-Dermatologen trainiert, um zwischen Hunderten von Erkrankungen unterscheiden zu können, einschließlich der meisten Krankheiten, die Abszesse verursachen.

Diese telematische Nachsorge verhinderte Schulversäumnisse bei pädiatrischen Patienten, Arbeitsversäumnisse bei Erwachsenen und ermöglichte die Nachsorge von Patienten, die aufgrund von COVID-19 unter Quarantäne stehen oder an Krankheiten leiden, die das Reisen erschweren. Sowohl die Patienten als auch ihre Dermatologen zeigten sich sehr zufrieden mit der Nutzung der App. 100 % der Patienten waren daran interessiert, das Tool weiterhin zu nutzen.

So unterstützt AIHS4 den Arzt bei der Krankheitsbeurteilung, indem es diese nicht nur durch die Bereitstellung relevanter Informationen beschleunigt, sondern die Anzahl der korrekten Diagnosen bei Hausärzten um 23 % erhöht.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

2. Einfacher zu bedienen und schneller als sein analoges Gegenstück​

Einer der Hauptvorteile des AIHS4 gegenüber den herkömmlichen Methoden ist seine Geschwindigkeit. Während ein erfahrener Arzt vielleicht sechs oder sieben Minuten benötigt, um den IHS4 vollständig auszufüllen und zu berechnen, benötigt der Algorithmus von Legit.Health nur 23 Sekunden, um die endgültige Punktzahl zu ermitteln.

Die Beurteilung des Schweregrads der Erkrankung ist oft verwirrend, besonders für junge, unerfahrene Dermatologen.

Dies bedeutet einen unglaublichen Vorteil für die Benutzer, sowohl in Bezug auf das Zeitmanagement als auch auf die Klinik. Die bittere Wahrheit ist, dass sich viele Ärzte nicht die Zeit nehmen, überhaupt ein Bewertungssystem auszufüllen, sondern sich auf eine Baucheinschätzung verlassen, um den Schweregrad der Erkrankung zu bestimmen. Dies geschieht, weil die traditionellen Scoring-Systeme weithin als zu mühsam und zeitaufwendig für eine praktische Anwendung im Alltag angesehen werden.

Dank AIHS4 sollte das kein Problem mehr sein. Dieses schnelle und einfach zu bedienende Tool stellt die Benutzerfreundlichkeit in den Mittelpunkt seines Designs und ist bestrebt, die Praxis der faktenbasierten Medizin zu erleichtern.

3. AIHS4 kann kleine Veränderungen in der Entwicklung der Pathologie erkennen​

Das Tool von Legit.Health analysiert die Pathologien anhand eines validierten Scoring-Systems, das sowohl die niedrigste MID (kleinste relevante Unterschied) als auch die niedrigste LDC (kleinste nachweisbare Veränderung) aufweist. Das bedeutet, dass der Algorithmus jedes Bild mit größerer Präzision und Detailgenauigkeit analysiert als ein menschlicher Betrachter.

Darüber hinaus hat es eine höhere Validität und Zuverlässigkeit bei vergleichbaren klinischen Eigenschaften, dank der intrinsischen Funktionsweise der Computer-Vision-Algorithmen.

Angesichts der Komplexität der Bestimmung des Schweregrads einer Krankheit wie Hidradenitis Suppurativa bietet das AIHS4 die Art von Granularität und Präzision, die erforderlich ist, um den Arzt mit allen Informationen zu versorgen, die er für eine erfolgreiche Diagnose benötigt.

4. Sorgt für eine Verringerung der Variabilität zwischen Beobachtern​

Die experimentellen Ergebnisse zeigen, dass AIHS4 die Basismethoden deutlich übertrifft, wenn es um die Variabilität zwischen den Beobachtern geht, da der Algorithmus einen mittleren absoluten Fehlerprozentsatz von nur 8 % erreicht, der weit unter den üblichen 20 % liegt, die bei der klassischen Anwendung von IHS4 beobachtet werden.

Estimating is guessing, counting is measuring

Darüber hinaus wird die Zuverlässigkeit dieser Methode mit der Zeit und der Verbesserung der Technologie weiter zunehmen, sodass die automatische Bewertung des Schweregrads durch Algorithmen in Zukunft noch präziser werden kann.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

5. AIHS4 reduziert die Variabilität zwischen den Beobachtern auf Null​

Aufgrund seiner algorithmischen Beschaffenheit eliminiert ALEGI die Variabilität zwischen den Beobachtern vollständig, da das neuronale Netzwerk in seinen Parametern vollkommen stabil ist. Mit anderen Worten: Die Anwendung hat ein perfektes Gedächtnis für jedes Bild und jede Diagnose, auf die sie trainiert wurde, und daher sind ihre Ergebnisse im Laufe der Zeit absolut realistisch.

Legit.Health ermöglicht es dem Arzt, sich bei der Beurteilung des Schweregrads der Erkrankung nicht auf sein Gedächtnis verlassen zu müssen. Der Schwerpunkt liegt auf der Analyse der in der App gespeicherten objektiven Daten, wodurch das Risiko von Fehlern aufgrund von Gedächtnislücken erheblich verringert wird und eine objektivere, genauere und präzisere Methode zur Verfolgung der Krankheitsentwicklung gewährleistet wird.

Dies ist besonders wichtig bei klinischen Studien, bei denen die Verringerung dieser Art von Variabilität ausschlaggebend ist, um die für diese Art von Studien erforderlichen präzisen Daten zu erheben.

6. Die Daten sind besser zugänglich und leichter zu lesen​

Die Benutzeroberfläche von Legit.Health ermöglicht den Zugriff auf alle relevanten Informationen über den Patienten in übersichtlicher Form.

Alle vom AIHS4 abgeleiteten Daten werden deutlich auf dem Bildschirm angezeigt. Sie zeigen den Schweregrad der Erkrankung und die verschiedenen Faktoren, die der Algorithmus bei der Analyse des Bildes berücksichtigt, sowie deren Bewertung.

Des Weiteren gehört lästiger Papierkram der Vergangenheit an, vor allem wenn Sie alle Patienteninformationen, Testergebnisse und Bilder in einer digitalen Datenbank haben, die ständig gesichert wird.

7. Eine einfache Möglichkeit, den Verlauf einer Behandlung zu verfolgen​

Da es sich bei der Hidradenitis Suppurativa um eine chronische Erkrankung handelt, ist die Nachsorge nach der Diagnose entscheidend für den guten Verlauf der Behandlung.

Legit.Health verbessert die Kommunikationskanäle zwischen Arzt und Patient und ermöglicht es den Patienten, ein aktiverer Teil der Behandlung zu werden. Die App erreicht dies, indem sie dem Benutzer eine einfache und zuverlässige Methode bietet, genaue Daten an den Arzt zu senden.

Darüber hinaus zeigt die App die Daten in einem leicht lesbaren Diagramm an, das den Verlauf der Erkrankung anzeigt, sodass die Beantwortung der normalerweise schwierigen Frage „Geht es mir besser, Herr Doktor?” ein Kinderspiel ist.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

Verbesserung der faktenbasierten Medizin​

In der Praxis der faktenbasierten Medizin sind objektive, verlässliche und präzise Ergebnismessungen von entscheidender Bedeutung. Traditionell ist die Bewertung des Schweregrads von HS subjektiv und beruht allein auf dem klinischen Urteil. Das von Legit.Health entwickelte AIHS4 stellt jedoch einen grundlegenden Wandel dar, indem es einen automatisierten und standardisierten Ansatz zur Bewertung des Schweregrads von HS bietet.

Legit.Health verwendet dieselben Kriterien wie der IHS4, der hoch angesehen ist und für die Verwendung in klinischen Studien empfohlen wird, und stellt damit sicher, dass Ärzte Zugang zu einem modernen und zuverlässigen Messinstrument haben. Dieser Fortschritt ermöglicht es medizinischen Fachkräften, fundierte Entscheidungen zu treffen, das Fortschreiten der Krankheit genau zu verfolgen und die Wirksamkeit der Behandlung mit größerer Sicherheit zu beurteilen.

Implementierung einer wertorientierten Gesundheitsversorgung​

Die wertorientierte Gesundheitsversorgung zielt darauf ab, die Ergebnisse für die Patienten zu optimieren und gleichzeitig den Wert der Gesundheitsressourcen zu maximieren. Legit.Health bietet ein automatisches Bewertungssystem für den Schweregrad von HS und unterstützt damit die Umsetzung einer wertorientierten Gesundheitsversorgung bei der Behandlung von HS. Und so funktioniert's:

• Standardisierung und Einheitlichkeit: Das AIHS4 gewährleistet eine standardisierte und einheitliche Bewertung über verschiedene Gesundheitseinrichtungen. Durch die Beseitigung subjektiver Schwankungen können Ärzte eine einheitliche Sprache für den HS-Schweregrad festlegen, was eine effektive Kommunikation erleichtert und die Behandlungsplanung verbessert.
• Effizienz und Zeitersparnis: Die automatische Analyse von Smartphone-Bildern reduziert den Zeit- und Arbeitsaufwand für die Beurteilung des HS-Schweregrads erheblich. Dieser rationalisierte Prozess ermöglicht es den Ärzten, sich auf die rechtzeitige Durchführung von Maßnahmen, die Verbesserung der Patientenversorgung und die Optimierung der Ressourcenverteilung zu konzentrieren.
• Verbesserte patientenzentrierte Versorgung: Durch die Bereitstellung genauer und objektiver HS-Schweregrade trägt AIHS4 von Legit.Health zur patientenzentrierten Versorgung bei. Eine klare Dokumentation des Krankheitsverlaufs hilft den Ärzten, die Patienten in die gemeinsame Entscheidungsfindung einzubeziehen, Behandlungspläne anzupassen und realistische Ziele festzulegen, was letztendlich die Zufriedenheit der Patienten und die Ergebnisse verbessert.
• Reale Daten und Forschung: Das AIHS4-Tool generiert eine Fülle von standardisierten Daten, die für Forschung und klinische Studien genutzt werden können. Dieser Datenpool ermöglicht ein besseres Verständnis von HS, die Identifizierung neuer Behandlungsansätze sowie die Bewertung von Interventionen und fördert so die kontinuierliche Verbesserung und Innovation im HS-Management.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

Das Automatic International Hidradenitis Suppurativa Severity Scoring System (AIHS4) von Legit.Health stellt einen großen Durchbruch auf dem Gebiet der HS dar. Durch die Nutzung von KI und die Einhaltung der etablierten IHS4-Kriterien bietet diese innovative Technologie Ärzten eine zuverlässige, effiziente und objektive Methode zur Beurteilung des Schweregrads von HS. Die Einführung von AIHS4 verbessert nicht nur die faktenbasierte Medizin, sondern ermöglicht auch die Umsetzung einer wertorientierten Gesundheitsversorgung, wovon sowohl Gesundheitsdienstleister als auch HS-Patienten profitieren. Mit dem bahnbrechenden Beitrag von Legit.Health sieht die Zukunft der HS-Versorgung rosiger aus als je zuvor.

Zusammenfassung​

Wir können nicht verbessern, was wir nicht messen können, und dank AIHS4 und Legit.Health ist die Zukunft der Erforschung und Behandlung der Hidradenitis Suppurativa rosiger denn je.

Es ist nicht schwer zu erkennen, dass eine Technologie, die Ärzten hilft, ihre Zeit besser zu nutzen und Daten zuverlässiger und konsistenter zu erfassen, die Zukunft dieses medizinischen Gebiets ist.

Dank Legit.Health können Ärzte auf der ganzen Welt ihre Quote korrekter Diagnosen um 23 % verbessern und die Behandlung für den Patienten leichter und nachvollziehbar machen, indem sie ihn zu einem aktiven Teilnehmer an seiner eigenen Genesung machen, während der Arzt faktenbasierte Medizin praktizieren kann.

Arbeiten Sie mit uns​

Bei Legit.Health arbeiten wir daran, die Technologie von AIHS4 weiter zu verbessern, um noch bessere Tools zu entwickeln. Dazu gehört zum Beispiel die Verbesserung der Unterscheidung zwischen verschiedenen Arten von HS-Läsionen oder die Gewährleistung, dass die Technologie bei allen Hautfototypen korrekt funktioniert.

Wenn Sie mit uns zusammenarbeiten möchten, füllen Sie bitte das folgende Formular aus und wir werden uns so schnell wie möglich mit Ihnen in Verbindung setzen.

Einführung​

Die Dermatologie hat mit der Einführung des innovativen ALEGI (Acne LEsion Grading Index) von Legit.Health einen großen Schritt nach vorne gemacht. Führende Forscher, die sich auf Deep Learning und neuronale Netze spezialisiert haben, haben mit renommierten Dermatologen zusammengearbeitet, um dieses fortschrittliche algorithmische Tool zu entwickeln, das die nächste Generation von medizinischen Fachkräften unterstützen soll. Diese innovative Lösung verbindet modernste Technologie mit medizinischem Fachwissen und bietet eine robuste Plattform für die dermatologische Diagnose und Behandlungsplanung.

Es ist weitbekannt, dass objektive, verlässliche und präzise Ergebnismessungen maßgeblich für die Praxis der faktenbasierten Medizin sind. Bei Akne ist es besonders schwierig und mühsam, die gängigsten Bewertungssysteme anzuwenden, da der Arzt die Läsionen manuell zählen muss.

Aus diesem Grund hat Legit.Health dieses Tool entwickelt, das die Anzahl und Dichte von Akneläsionen zählt. Damit ist die Messung des Schweregrads der Akne eine Aufgabe, die nur Sekunden dauert.

Der folgende Screenshot des Tools von Legit.Health zeigt eine praktische Anwendung des Bewertungssystems für Akne. Es kann sowohl auf dem Handy als auch auf dem Desktop verwendet werden.

Der eingeschränkte Ansatz der traditionellen Akne-Bewertungssysteme​

Seit DM. Pillsbury und sein Team 1956 das erste Bewertungssystem für Akne entwickelt hatten, gab es eine Vielzahl von Versuchen, ein einfach zu verwendendes, zuverlässiges und präzises Bewertungssystem für diese Krankheit zu finden. Heutzutage gibt es mehr als 30 Methoden, und alle haben eines von zwei grundlegenden Problemen.

Einige Methoden, wie GAGS, konzentrieren sich auf die Identifizierung von Läsionen. Diese Bewertungssysteme zielen darauf ab, ein hohes Maß an Genauigkeit zu erreichen und opfern dafür Geschwindigkeit und Zweckmäßigkeit für den Arzt. Letztlich halten Ärzte diese Methoden für zu mühsam und zeitaufwendig.

Eine der häufig verwendeten Methoden ist das Zählen von Läsionen, das zwar zeitaufwändig ist, aber möglicherweise eine genauere Methode darstellt.

Andere Methoden wie die IGA zielen dagegen auf ein Punktesystem ab, das in der täglichen Praxis besser anwendbar ist. Leider gelingt ihnen das nur auf Kosten von Präzision und Zuverlässigkeit, sodass sie für klinische Studien ungeeignet sind.

Die direkte visuelle Beurteilung und die gewöhnliche Blitzlichtfotografie stellen eine normale klinische Beurteilung dar. Beide Methoden sind jedoch durch die Subjektivität des Betrachters beeinträchtigt.

Und doch sind wir uns alle einig, dass es wichtig ist, ein akzeptables und einfach zu verwendendes Tool zur Beurteilung von Akne zu haben, das sowohl in der täglichen klinischen Praxis als auch in klinischen Studien eingesetzt werden kann.

ALEGI: Das Beste aus beiden Welten​

Die Tatsache, dass Dermatologen im 21. Jahrhundert zwischen Geschwindigkeit und Präzision wählen müssen, ist entmutigend. Sich zwischen Präzision und Geschwindigkeit entscheiden zu müssen ist ein Symbol für die Grenzen der Möglichkeiten, und die Technologie sollte darauf abzielen, uns von diesen Beschränkungen zu befreien. Hier kommt ALEGI ins Spiel.

Der revolutionäre Deep-Learning-Algorithmus, der von Legit.Health entwickelt wurde, hebt die Läsionszählung herkömmlicher Methoden auf ein neues Niveau und macht sie nicht nur objektiver, präziser und zuverlässiger, sondern auch wesentlich schneller. Die Dermatologen der nächsten Generation haben endlich ein Werkzeug, mit dem sie faktenbasierte Medizin praktizieren können.

Mithilfe von Computer-Vision-Algorithmen kann ALEGI die Anzahl der Läsionen auf einem mit einem Smartphone aufgenommenen Bild genau zählen. Darüber hinaus berücksichtigt es bei der Berechnung des Schweregrads die Läsionsdichte und übersetzt das Ganze in eine leicht interpretierbare, von Fachleuten validierte Ergebnismessung.

Die Zutaten für ein brandneues Bewertungssystem​

Bei der Entwicklung eines Punktesystems ist es wichtig, einige Gestaltungsprinzipien zu beachten, um sicherzustellen, dass das Bewertungssystem für den beabsichtigten Zweck geeignet ist. Schließlich ist ein Tool nur so gut wie seine Nützlichkeit bei der Erledigung der Aufgabe, für die es entwickelt wurde.

Wie können wir wissen, ob ein Punktesystem gut ist?​

Wenn es um dermatologische Beurteilungen geht, ist die Wirksamkeit eines Bewertungssystems von größter Bedeutung. Aber was genau macht ein Punktesystem zuverlässig und nützlich? Durch einen wissenschaftlichen Konsens wurden mehrere Schlüsselfaktoren identifiziert, die zur Robustheit dieser Systeme beitragen. Sehen wir uns diese entscheidenden Elemente etwas genauer an:

• Benutzerfreundlichkeit: Bei diesem Faktor geht es darum, ob das System im Rahmen der zeitlichen und finanziellen Möglichkeiten mühelos angewendet werden kann. Ein benutzerfreundliches System ist entscheidend für eine breite Akzeptanz im klinischen Umfeld.
• Empfindlichkeit gegenüber Veränderungen: Ein effektives Bewertungssystem muss in der Lage sein, klinisch bedeutsame Veränderungen im Laufe der Zeit zu erkennen. Diese Sensibilität stellt sicher, dass jede Veränderung oder jede Verschlechterung des Zustands eines Patienten genau erfasst wird.
• Zuverlässigkeit zwischen Beobachtern: Dies bezieht sich auf die Konsistenz der Ergebnisse, wenn verschiedene Beobachter/innen das Punktesystem verwenden. Eine hohe Zuverlässigkeit zwischen den Beobachtern bedeutet, dass verschiedene Ärzte zu ähnlichen Schlussfolgerungen kommen, was die Glaubwürdigkeit des Systems erhöht.
• Abweichungen der einzelnen Beobachter: Dabei geht es um die Konsistenz der Ergebnisse, wenn derselbe Beobachter das Bewertungssystem mehrmals verwendet. Die geringe Abweichung eines einzelnen Beobachters deutet darauf hin, dass das System stabile Ergebnisse liefert, unabhängig von wiederholten Bewertungen durch denselben Arzt.
• Interpretierbarkeit: Ein praktisches Bewertungssystem sollte aussagekräftige qualitative Interpretationen seiner Ergebnisse liefern, z. B. die Einstufung des Schweregrads einer Erkrankung als leicht, mittelschwer oder schwer.

Diese Kriterien gewährleisten nicht nur die Wirksamkeit des Bewertungssystems, sondern auch seine Anwendbarkeit und Zuverlässigkeit in verschiedenen klinischen Szenarien.

Angepasst von "Methods and definitions to rate the quality of outcome measures". Schmitt, J., Langan, S., Deckert, S., Svensson, A., von Kobyletzki, L., Thomas, K., & Spuls, P. (2013). Assessment of clinical signs of atopic dermatitis: A systematic review and recommendation. Journal of Allergy and Clinical Immunology, 132(6), 1337--1347. doi:10.1016/j.jaci.2013.07.008.

Als das Expertenteam von Legit.Health das revolutionäre ALEGI entwickelte, berücksichtigte es die vielen Kriterien, die ein Bewertungssystem, das qualitativ hochwertige Ergebnismessungen liefert, ausmachen.

Die 7 wichtigsten Eigenschaften von ALEGI​

Das revolutionäre Tool, das von Legit.Health entwickelt wurde, ermöglicht es Dermatologen der nächsten Generation, faktenbasierte Medizin zu praktizieren und gleichzeitig den Berichtsprozess für die Pathologie zu beschleunigen und die Autonomie und Kontrolle des Patienten zu erhöhen.

Diese App für klinische Daten und Kommunikation nutzt Deep-Learning-Algorithmen, um Ärzte von der mühsamen manuellen Berechnung von Bewertungssystemen zu entlasten, indem sie Läsionen durch die Analyse von Smartphone-Bildern und kurzen von Patienten berichteten Ergebnisdaten (PROMs) automatisch einstuft. Mit anderen Worten: Das Tool füllt automatisch die meisten dermatologischen Bewertungssysteme für die häufigsten Krankheiten wie Psoriasis, Atopische Dermatitis, Hidradenitis Suppurativa und natürlich Akne aus.

Das bedeutet, dass die neue Version dieses Bewertungssystems Daten präzise und konsistent extrahiert, sowohl bei Routinebewertungen als auch in der klinischen Forschung. Die Verbesserung ist in der folgenden Tabelle zu sehen, in der die Leistungskennzahlen der gängigsten Arten der Nutzung von Punktesystemen verglichen werden:

	Stift und Papier	Digital	Automatisch (KI)
Selbstüberwachung	-	-	Diagnose durchführen
Benutzerfreundlichkeit	≈ 600 Sekunden	≈ 420 Sekunden	≈ 23 Sekunden
Empfindlichkeit auf Veränderung	0 bis 4	0 bis 4	0 bis 100
Abweichungen zwischen Beobachtern	Mittel (20%)	Mittel (20%)	Geringste (8%)
Abweichungen der einzelnen Beobachter	Hoch	Hoch	Null

Dank der Deep-Learning-Algorithmen befreit Legit.Health Ärzte von der mühsamen manuellen Berechnung von Punktesystemen und ermöglicht die Ausübung einer objektiveren evidenzbasierten Dermatologie. Durch die Verwendung von Algorithmen zur Messung von Trockenheit, Lichenifikation, Erythem, Nässen, Ödemen und vielen weiteren Anzeichen kann das Tool außerdem die visuellen Anzeichen zuverlässiger und konsistenter berechnen.

1. Schneller als jede andere bestehende Methode​

Bei den meisten traditionellen Methoden der Läsionszählung benötigt ein erfahrener Arzt mehrere Minuten. Nicht nur das, es ist auch ein langwieriger Prozess, den die meisten Ärzte zu vermeiden versuchen. Sie ziehen es vor, sich ein paar Sekunden Zeit zu nehmen, um eine grobe Einschätzung des Schweregrads der Krankheit vorzunehmen.

ALEGI durchbricht dieses Paradigma vollständig, indem es den Prozess der Läsionszählung automatisiert. In weniger als 23 Sekunden kann ein Arzt ein Foto des betroffenen Bereichs machen, es durch den Algorithmus laufen lassen und eine Bewertung des Schweregrads erhalten - ganz ohne die Subjektivität, die mit der klinischen Beurteilung verbunden ist.

Das Tool wurde von Legit.Health mit dem Ziel entwickelt, dieser Praktik, die mit der faktenbasierten Medizin zutiefst unvereinbar ist, ein Ende zu bereiten und Ärzten dabei zu helfen, therapeutische Entscheidungen auf der Grundlage realer Erkenntnisse zu treffen.

2. Einfach zu verwenden​

Eines der Hauptprobleme, mit denen die Gesundheitssysteme weltweit konfrontiert sind, ist der Engpass, der dadurch entsteht, dass es kein zuverlässiges Instrument gibt, das Hausärzten hilft zu entscheiden, ob ein Patient an einen Facharzt überwiesen werden sollte.

Das liegt unter anderem daran, dass es schwierig ist, den Schweregrad der Akne zu messen. Dies erschwert die Verschreibung der Behandlung und schränkt die Möglichkeit ein, ihre Wirksamkeit zu verfolgen und zu überwachen. Um dieses Problem zu lösen, wurde ALEGI so konzipiert, dass es von allen medizinischen Fachkräften einfach zu bedienen ist.

Legit.Health trägt zur Lösung dieses Problems bei, da das Tool sowohl für eine erste Diagnose als auch für die anschließende Nachbehandlung und Beobachtung nützlich ist. Mit anderen Worten: ALEGI hilft sowohl dem Facharzt als auch dem Allgemeinmediziner, fundierte Entscheidungen zu treffen.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

3. Hoher Grad an Granularität​

Das Tool von Legit.Health analysiert die Pathologien mithilfe eines validierten Bewertungssystems, das sowohl die niedrigste MID (kleiner relevanter Unterschied) als auch die niedrigste LDC (kleinste nachweisbare Veränderung) aufweist, was bedeutet, dass der Algorithmus jedes Bild mit größerer Präzision und Detailgenauigkeit analysiert als ein menschlicher Betrachter.

Darüber hinaus erweitert ALEGI die Bewertung des Schweregrads von Akne um eine neue und revolutionäre Idee: die Läsionsdichte. In der Vergangenheit waren die Bewertungssysteme durch die Fähigkeit des Anwenders eingeschränkt, Knötchen, Komedonen und Pusteln richtig zu zählen und zu identifizieren. Der Algorithmus von Legit.Health berücksichtigt die Tendenz dieser Läsionen, sich zu häufen, als wichtigen Faktor bei der Bestimmung des Schweregrads der Krankheit.

All dies ermöglicht es ALEGI, sehr kleine Veränderungen in der Entwicklung der Pathologie mit größerer Präzision als jeder menschliche Betrachter zu erkennen, wodurch der Arzt Zugang zu präziseren, objektiven und zuverlässigen Informationen erhält.

4. Geringere Fehlerspanne​

Dank der Computer-Vision-Algorithmen, auf denen ALEGI basiert, wird jede Läsion einzeln erkannt und gezählt, mit einer durchschnittlichen absoluten Fehlerquote von +/- 3 Läsionen. In Kombination mit der Fähigkeit, die Dichte der Läsionen in einem bestimmten Gebiet zu berücksichtigen, ermöglicht das System eine relevante und klinisch validierte Bewertung des Schweregrads, ohne die verschiedenen Arten von Läsionen berücksichtigen zu müssen.

Dies ist bedeutsam, da die Literatur zeigt, dass die meisten Fehler, die Ärzte bei der Beurteilung des Schweregrads von Akne machen, mit der falschen Identifizierung der Art einer Läsion zusammenhängen, da in vielen Fällen die Unterscheidung innerhalb der Parameter einer klinischen Studie nicht klar oder gut definiert ist.

Daher erhöht ein System wie ALEGI die Genauigkeit und verringert die Fehlermarge, da seine Zuverlässigkeit nicht von der Fähigkeit abhängt, ein Knötchen von einer Komedone zu unterscheiden.

5. Keine Variabilität zwischen Beobachtern​

Aufgrund seiner algorithmischen Beschaffenheit eliminiert ALEGI die Variabilität zwischen den Beobachtern vollständig, da das neuronale Netzwerk in seinen Parametern vollkommen stabil ist. Mit anderen Worten: Die App hat ein perfektes Gedächtnis für jedes Bild und jede Diagnose, auf die sie trainiert wurde, und daher sind ihre Ergebnisse im Laufe der Zeit absolut realistisch.

Estimating is guessing, counting is measuring

Legit.Health ermöglicht es dem Arzt, sich bei der Beurteilung des Schweregrads der Erkrankung nicht auf sein Gedächtnis verlassen zu müssen. Der Schwerpunkt liegt auf der Analyse der in der App gespeicherten objektiven Daten, wodurch das Risiko von Fehlern aufgrund von Gedächtnislücken erheblich verringert wird und eine objektivere, genauere und präzisere Methode zur Verfolgung der Krankheitsentwicklung gewährleistet wird.

Obwohl dies besonders wichtig bei klinischen Studien ist, bei denen die Verringerung dieser Art von Variabilität ausschlaggebend ist, um die für diese Art von Studien erforderlichen präzisen Daten zu erheben, ist es auch in der täglichen Praxis der faktenbasierten Medizin von großem Nutzen.

6. Bietet leicht zugängliche und einfach zu lesende Daten​

Die Benutzeroberfläche von Legit.Health wurde so gestaltet, dass Sie alle Patienteninformationen auf benutzerfreundliche und zugängliche Weise abrufen können.

Alle von ALEGI generierten Daten werden deutlich auf dem Bildschirm angezeigt. Sie zeigen den Schweregrad der Erkrankung und jeden Faktor an, den der Algorithmus bei der Analyse des Bildes und seiner Bewertung berücksichtigt.

Wir können uns von Aufzeichnung der Daten auf Papier und ihrer Tendenz, verloren zu gehen, verabschieden, da alle Patienteninformationen, von Testergebnissen bis hin zu relevanten Bildern, in einer ständig gesicherten digitalen Datenbank gespeichert werden, auf die man sicher von einem Computer oder Smartphone aus zugreifen kann.

7. Der beste Weg, den Verlauf einer Behandlung zu verfolgen​

Da es sich bei Akne um eine chronische Krankheit handelt, ist die Nachsorge nach einer erfolgreichen Diagnose entscheidend für den guten Verlauf der Behandlung.

Legit.Health ermöglicht es dem Patienten, ein aktiverer Teil seiner Behandlung zu werden, indem es die Kommunikation zwischen ihm und seinem Arzt verbessert. Denn die App bietet dem Nutzer eine einfache und zuverlässige Möglichkeit, genaue Daten an den Arzt zu senden.

Darüber hinaus zeigt die App die Daten in einem leicht lesbaren Diagramm an, das den Verlauf der Erkrankung darstellt. So kann der Arzt die Antwort auf die normalerweise schwierige Frage „Geht es mir besser, Herr Doktor?” mit wissenschaftlichen Daten belegen.

Zusammenfassung​

Das revolutionäre ALEGI repräsentiert die Zukunft der Dermatologie. Es ermöglicht Ärzten auf der ganzen Welt, faktenbasierte Medizin zu praktizieren, indem sie bei der Krankheitsdiagnose die besten Tools einsetzen und gleichzeitig die Kommunikation zwischen Arzt und Patient effektiv verbessern.

Der Einsatz von Algorithmen, die den Schweregrad der Akne durch Zählen der Läsionen allein durch die Betrachtung von Smartphone-Bildern einschätzen, erhöht die Quote der korrekten Diagnosen bei den Ärzten um 23 % und verbessert den Behandlungserfolg, indem der Patient zu einem aktiveren Teilnehmer an seiner eigenen Genesung wird.

Arbeiten Sie mit uns​

Bei Legit.Health arbeiten wir daran, die Technologie von ALEGI weiter zu verbessern, um noch bessere Tools zu entwickeln. Dazu gehört zum Beispiel die Verbesserung der Unterscheidung zwischen verschiedenen Arten von Akne-Läsionen oder die Gewährleistung, dass die Technologie bei allen Hautfototypen korrekt funktioniert.

Wenn Sie mit uns zusammenarbeiten möchten, füllen Sie bitte das folgende Formular aus und wir werden uns so schnell wie möglich mit Ihnen in Verbindung setzen.

Einführung​

Klinische Studien sind der Motor, der die medizinische Wissenschaft vorantreibt. Es liegt auf der Hand, dass die Werkzeuge, die denjenigen zur Verfügung stehen, die an der Spitze des Fortschritts stehen, genauso fortschrittlich und innovativ sein sollten wie die Forschung, an der gearbeitet wird.

Die Forschung, die uns in die Zukunft führen wird, sollte nicht mit den Mitteln der Vergangenheit durchgeführt werden, vor allem, wenn sie die Zuverlässigkeit der Ergebnismessungen erhöhen.

Legit.Health stellt sich der Herausforderung, Forschern ein modernes, nützliches und zuverlässiges Tool für ihre klinischen Studien zur Verfügung zu stellen, indem es Deep-Learning-Algorithmen und Bildanalysetechnologie in eine benutzerfreundliche und gut gestaltete Oberfläche integriert.

Wie verbessert Legit.Health klinische Studien?​

Ein guter Weg, um zu verstehen, wie die Technologie von Legit.Health in die klinische Forschung für die Arzneimittelentwicklung implementiert werden kann, ist die Erklärung von Diego Herrera. Diego ist der Direktor für klinische Daten & Digitale Innovation bei Almirall.

Wie Diego Herrera erklärt, stehen Sponsoren von dermatologischen klinischen Studien vor vielen Herausforderungen:

• Prüfer müssen Hautläsionen manuell quantifizieren, was schwierig und zeitaufwändig ist.
• Lokale Hautreaktionen werden subjektiv bewertet, was zu einer hohen Variabilität bei der Messung der Intensität führt.
• Mühsamer Aufwand für den Prüfer, was zu einer geringeren Adhärenz und einem höheren Fehlerrisiko führt.
• Fehlende Standardbedingungen für klinische Beobachtungen
• Klinische Prüfer finden es schwierig, die Fläche, auf die eine Behandlung aufgetragen wurde, genau zu messen, besonders auf lange Sicht.

Diego erklärte aber auch die Möglichkeiten, die die digitale KI-Fotografie bietet. Für Diego gibt es zwei Hauptgruppen von Möglichkeiten: Effizienzsteigerungen und die Verbesserung der Datenqualität:

• Effizienz
  • Teledermatologie und Datenerfassung aus der Ferne
  • Robuste digitale und transparente Dokumentation während der Studie
  • Zeitersparnis bei den klinischen Beurteilungen
• Erhöhung der Qualität und Verlässlichkeit der Daten
  • Präzisere Lokalisierung des Behandlungsbereichs
  • Automatische Berechnungen der Hautläsionen
  • Einführung neuartiger Endpunkte auf der Grundlage digitaler Fotomessungen

Sie können sich Diegos Präsentation auf einem Technologiekongress in Barcelona ansehen:

Probleme aus der Praxis, bei denen wir helfen können​

Die Sponsoren und die CROs, mit denen wir zusammenarbeiten, stellen immer wieder fest, dass unsere Technologie in bestimmten Bereichen hilfreich ist.

• Erleichtert die Rekrutierung von Standorten, indem die Arbeitsbelastung der Prüfer verringert wird, insbesondere bei der Einreichung von Bewertungssystemen.
• Minimierung der Risiken bei der Schulung von Standorten, während gleichzeitig die Geschwindigkeit der Schulung erhöht und Fehler bei der Berichterstattung reduziert werden.
• Sichert die Qualität der Daten durch eine Überprüfung der Bildqualität und reduziert die Variabilität zwischen den Beobachtern bei Bewertungssystemen durch Standardisierung der Messung.

Dadurch trägt Legit.Health dazu bei, dass wirksame Therapien schneller zu den Patienten gelangen, indem sowohl die Qualität als auch die Quantität der Endpunkte in jeder Studie erhöht wird. So werden die Räder der Wissenschaft geschmiert, damit der Prozess der Bestimmung der Wirksamkeit eines neuen, weltverändernden Medikaments für den Prüfarzt, den CRO und den Sponsor so einfach wie möglich ist.

Fähigkeiten der Software​

In diesem speziellen Beispiel zählt die KI automatisch alle Akneläsionen mit großer Präzision, misst den Schweregrad durch Anwendung der Formel des Bewertungssystems und ermöglicht es dem Prüfer, die Ergebnisse zu überwachen und ggf. zu korrigieren.

Das beste Tool für dezentralisierte klinische Studien (DCT)​

Als sich COVID-19 weltweit zu verbreiten begann, mussten Forschungszentren und Pharmaunternehmen, die klinische Studien durchführen, schnell Technologien und Verfahren zur Datenfernübertragung einführen, um die Sicherheit der Patienten und die Durchführung klinischer Studien zu gewährleisten.

Eine der größten Herausforderungen für diese neuen Arten von klinischen Studien besteht darin, den aktuellen Vorschriften zu entsprechen und gleichzeitig den Patienten mehr denn je einzubeziehen, um genaue und zuverlässige Daten zu erhalten. Glücklicherweise hat Legit.Health das perfekte Tool entwickelt, um diese Herausforderungen zu meistern.

Legit.Health kann mit jeder etablierten DCT-Verwaltungssoftware wie Medable oder Apple ResearchKit verbunden werden und ist das beste APROM-Tool (Automatic Patient-Reported Outcome Measures) auf dem Markt, da es seinen Nutzern eine effiziente dezentrale klinische Medikamentenentwicklung ermöglicht und ein Screening in größerem Maßstab erlaubt.

7 Möglichkeiten, klinische Studien zu unterstützen​

1. Verhindert schlechte Bildqualität​

Bei dezentralen klinischen Studien oder Versuchen, die einen fotografischen Nachweis über den Genesungsprozess des Patienten erfordern, können fehlerhafte oder qualitativ schlechte Bilder den Fortschritt der Studie behindern.

Die revolutionären Bildqualitätssicherungsalgorithmen von Legit.Health erhöhen die Gesamtqualität der aufgenommenen Bilder, indem sie ein gewöhnliches Smartphone in ein klinisch zuverlässiges Bilderfassungsgerät verwandeln. Damit werden dezentrale klinische Studien ermöglicht und dem Patienten die Möglichkeit gegeben, selbständig über seinen Zustand zu berichten.

Dieser neuartige Deep-Learning-Algorithmus erreicht dies, indem er die Qualität des Bildes prüft, bevor er es für die Versuche in Betracht zieht. Wenn er einen Qualitätsverlust oder ein Problem feststellt, fordert er den Benutzer auf, das Problem zu beheben, bevor er ein weiteres Bild aufnimmt.

2. Höhere Zuverlässigkeit dank der automatischen PROM-Algorithmen​

Die Algorithmen der nächsten Generation von Legit.Health sind in der Lage, die meisten klinischen Bewertungssysteme automatisch auszufüllen, indem sie die auf den Bildern sichtbaren Symptome analysieren, wie z. B. Schuppung, Trockenheit, Erythem, betroffene Fläche oder Anzahl der Läsionen.

Dies reduziert nicht nur die möglichen Fehler bei der Berichterstattung, sondern erleichtert auch das Datenmanagement, da ein Großteil der mühsamen Routinearbeit automatisiert wird.

Darüber hinaus bieten die Algorithmen eine höhere Zuverlässigkeit und größere Genauigkeit bei der Datenerfassung, da es keinen Zeitunterschied zwischen der Aufzeichnung der Läsion und ihrem tatsächlichen Zustand gibt und die Variabilität zwischen den Beobachtern deutlich reduziert wird.

Und schließlich vereinfacht die maschinelle Unterstützung die Skalierung der Versuche ungemein, da sie die Kluft zwischen Sprachen, Ländern oder sogar Marken überbrückt.

3. Automatische Überprüfung der Protokoll-Einschlusskriterien​

Die Algorithmen schließen automatisch Patienten aus, die die Einschlusskriterien des Protokolls nicht erfüllen, entweder weil der Schweregrad nicht mit den Zielen der Studie übereinstimmt oder weil die Erkrankung nicht in die Studie passt.

Dadurch wird die Online-Patientenrekrutierung zu einer praktikablen Option, die den potenziellen Pool der für klinische Studien verfügbaren Patienten erweitert.

Darüber hinaus erkennen die revolutionären Algorithmen zur Diagnoseunterstützung von Legit.Health jede Situation, die als schwerwiegend eingestuft werden könnte, wie z. B. eine Krankheit mit hoher Wahrscheinlichkeit einer Ausbreitung oder eine Läsion, die möglicherweise bösartig ist. Den Forschern wird daraufhin gemeldet, dass der Patient medizinische Hilfe benötigt.

4. Hilft Forschern, alle Informationen aus einem Bild zu extrahieren​

Eine der größten Einschränkungen bei jeder klinischen Studie, vor allem wenn sie aus der Ferne durchgeführt wird, ist der hohe Zeitaufwand für die Analyse jedes einzelnen Bildes und das Fachwissen, das erforderlich ist, um ein Bild in tatsächliche Benutzerdaten umzuwandeln. Dies wird deutlich, wenn man sich den üblichen Zeitplan eines Arztes vor Augen führt und wie wenig Zeit er für die Dateneingabe hat.

Die Technologie von Legit.Health wandelt automatisch jedes dermatologische Bild in Rohdaten um, extrahiert die in den Pixeln verborgenen Informationen und wandelt sie in Werte wie Rötung, Fläche, Schweregrad, Trockenheit, Schuppung und vieles mehr um.

Dies führt zu einer erheblichen Verringerung des Arbeitsaufwands bei der Datenverwaltung, da dieser Prozess automatisch abläuft, sowie zu einer größeren Zuverlässigkeit der klinischen Endpunkte bei geringeren Kosten. Das Fehlen jeglicher menschlicher Einflussnahme auf die Algorithmen eliminiert die Variabilität zwischen den Beobachtern.

Außerdem wird dies zu einer massiven Ausweitung der klinischen Studien führen. Bis heute beschränken sich die meisten Forscher in jeder Studie auf einige wenige Endpunkte, da sie die Bedürfnisse der Forschung mit den finanziellen und zeitlichen Beschränkungen in Einklang bringen müssen.

Dank Legit.Health kostet die Messung von 100 Variablen das Gleiche wie die Messung von 2, was die Anzahl der klinischen Endpunkte exponentiell erhöht und es den Forschern ermöglicht, eine größere Granularität in ihren Daten zu erreichen.

5. Gewährleistung eines zuverlässigen Datenübertragungsprotokolls​

Legit.Health hat es sich zur Aufgabe gemacht, die pharmazeutische Forschung durch erstklassige Datentransferdienste voranzutreiben. Unsere Protokolle sind zuverlässig, unsere Technologie ist fortschrittlich und unser Bestreben für den Erfolg Ihrer Studie ist unerschütterlich. Sie können darauf vertrauen, dass wir Ihre klinischen Studiendaten mit der größtmöglichen Sorgfalt und Professionalität behandeln.

Sicherer Mechanismus zur Datenübertragung​

Wir haben uns von den herkömmlichen E-Mail-Übertragungsmethoden verabschiedet. Unsere sicheren Kanäle nutzen die neueste Verschlüsselungstechnologie und schützen sensible Daten über die üblichen Standards hinaus. Das bedeutet, dass alle übertragenen Daten vor unbefugtem Zugriff geschützt sind, sodass die Vertraulichkeit der Patienten und die Integrität der Studie nie gefährdet sind.

Optimiertes Datenformat​

Das .CSV-Dateiformat ist allgemein anerkannt und leicht zugänglich. Durch die Verwendung dieses Formats stellen wir sicher, dass die von uns bereitgestellten Daten nahtlos in Ihre bestehenden Datenverwaltungssysteme integriert werden können. Dies ermöglicht eine unkomplizierte Datenanalyse und -interpretation, ohne dass komplexe Konvertierungen oder zusätzliche Software erforderlich sind.

Wir bieten auch andere Datenformate wie „JSON“ und „XML“ an. Diese werden programmgesteuert erstellt, um das Fehlerrisiko zu beseitigen und Flexibilität und Verfügbarkeit zu gewährleisten.

Robuste Datenstruktur​

Jeder klinische Endpunkt ist von entscheidender Bedeutung. Deshalb ist unsere Datenstruktur akribisch detailliert und auf Ihr Protokoll zugeschnitten. Von der Messung von Läsionen bis hin zur Bewertung von Schweregraden erfassen wir alle relevanten Datenpunkte mit Präzision und gewährleisten so eine umfassende Abdeckung der klinischen Endpunkte, die Sie überwachen.

Die folgende Tabelle zeigt ein Beispiel für die Daten, die unser Gerät liefern kann. Jede Zeile steht für eine in der Datentransferdatei aufgezeichnete Variable.

Name	Etikett	Format	Länge	Beispiel
Study_ID	Protokoll-ID	CHAR	40	A-232323_BH
Site_ID	Standort-ID	CHAR	8	2323
Patient_ID	Objekt-ID	CHAR	8	2323-23
Datum	Durchführungsdatum	CHAR	10	TT-MMM-JJJJ
Uhrzeit	Durchführungszeit	CHAR	5	SS:MM
Bericht-ID	Report UUID	CHAR	50	0188d3e9-4bf0-7d7d-9904-aec1d69f3e7d
Bild-ID	Bild-ID	CHAR	50	232323_0210037_Week12.jpg
Typ	Läsionstyp	CHAR	20	Knötchen
Px2cm	Umrechnung von Pixel in cm	CHAR	20	0.32
Quality_score	Numerischer Wert, der die Qualität des Bildes darstellt	CHAR	20	75, 80
Knötchen	Anzahl der im Bild erkannten Knötchen	CHAR	20	1, 2, 3
Abszess	Anzahl der im Bild erkannten Abszesse	CHAR	20	1, 2, 3
Drainagetunnel	Anzahl der im Bild erkannten Drainagetunnel	CHAR	20	1, 2, 3
Größe der Läsion	Größe des Begrenzungsbereichs, die die ROI der Zielläsion definiert	CHAR	20	23.12
Severity_score	Numerischer Wert, der den Schweregrad der Erkrankung gemäß dem IHS4-Score darstellt	CHAR	20	5, 6

Bitte beachten Sie, dass dies eine Vereinfachung ist, da eine tatsächliche Datenübertragungsdatei mehr als 50 Zeilen enthalten kann.

Verblindete Datenübertragung​

Um die Integrität der Studie zu wahren und eine unvoreingenommene Analyse zu gewährleisten, können wir eine verblindete Datenübertragung ermöglichen. Diese Dienstleistung wird auf Anfrage erbracht und stellt sicher, dass die Wirksamkeit des Prüfpräparats genau und frei von möglichen Verzerrungen bewertet wird.

Anpassbare Übertragungsfrequenz​

Der dynamische Charakter klinischer Studien erfordert Flexibilität. Deshalb bieten wir anpassbare Zeitpläne für die Datenübertragung, die an die spezifischen Meilensteine und Bedürfnisse Ihrer Studie angepasst werden können. Ob monatliche Intervalle oder auf Anfrage, unser Protokoll ist so konzipiert, dass Sie die benötigten Daten dann erhalten, wenn Sie sie benötigen, ohne unnötige Verzögerungen.

Bietet eine flexible, auf die Meilensteine der Studie und die Bedürfnisse der Sponsoren zugeschnittene Zeitplanung, die von monatlicher bis zu bedarfsorientierter Datenlieferung reicht.

6. Ermutigt den Patienten, sich an das Protokoll zu halten​

Der revolutionäre Ansatz von Legit.Health für klinische Studien stützt sich nicht nur auf eine hochmoderne algorithmische Technologie, die die schwierigsten Aufgaben übernimmt. Das elegante Design, das auf Benutzerfreundlichkeit und Lesbarkeit ausgerichtet ist, berücksichtigt die alltäglichen Gegebenheiten der Patienten, um ihnen zu helfen, sich an das Protokoll der klinischen Studie zu halten.

Durch die Erstellung von Aufgaben für den Patienten, die Bereitstellung von Warnhinweisen und Erinnerungen, die Belohnung für die Berichterstattung mit Prinzipien aus der Gamification oder die Bereitstellung nützlicher Informationen über die Krankheit erhöht Legit.Health die Beteiligung der Patienten an der Studie, bereichert die Endpunktvielfalt und ermöglicht patientenzentrierte klinische Studien.

7. Enthält maßgeschneiderte Fragebögen zur Lebensqualität​

Legit.Health integriert nahtlos die wichtigsten Lebensqualitätsindizes wie beispielsweise DLQI, CU-QoL oder AKQoL, sodass die klinischen Studien die von ihnen gesammelten Daten anreichern und ihnen Textur verleihen sowie sie mit zusätzlichem Kontext versehen können.

Für die Forscher bedeutet dies keine zusätzliche Arbeit, da die App sowohl die Fragebögen als auch die Möglichkeit zur Interpretation der Daten enthält. Die Forscher müssen also keinen zusätzlichen Schritt bei der Datenerfassung vornehmen.

Jetzt Zugang erhalten​

This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.

Einführung​

Als Entwickler von Technologien für das Gesundheitswesen ist es wichtig, die wissenschaftliche Grundlage neuer Tools zu hinterfragen. In diesem Artikel erläutern wir die solide klinische Validierung und das Peer-Review-Verfahren, das unsere Technologie durchlaufen hat und das unser Streben nach faktenbasierten Lösungen widerspiegelt.

Die hier aufgeführten Veröffentlichungen umfassen nicht unsere gesamte Arbeit. Sie enthalten auch keine Nachweise, die wir den Zertifizierungsstellen im Rahmen unseres Zertifizierungsprozesses als Medizinprodukt vorgelegt haben. Es handelt sich also nicht um eine umfassende Liste, sondern eher um eine Zusammenfassung unserer wichtigsten Nachweise.

Kurze Antwort​

Ja, Legit.Health wurde in verschiedenen Bereichen des Gesundheitswesens von führenden Spezialisten auf ihrem Gebiet klinisch validiert. Unsere Technologie hat ihre Effektivität bei der Verbesserung von Diagnose und Nachsorge bewiesen, wobei sich spezifische Studien auf bestimmte Pathologien konzentrieren, um die Sensitivität und Präzision zu bewerten.

Mehrere dieser Studien wurden in renommierten Fachzeitschriften der Dermatologie veröffentlicht, andere befinden sich in unterschiedlichen Stadien der Veröffentlichung. Darüber hinaus stellen wir während des Zertifizierungsprozesses als Medizinprodukt auch klinische Nachweise zur Verfügung, von denen einige nicht öffentlich zugänglich gemacht wurden.

Ausführliche Antwort​

Die Technologie hinter Legit.Health ist komplex und vielschichtig. Hinter einem scheinbar einfachen Vorgang für den Benutzer stehen mehrere Algorithmen, die miteinander interagieren. Unsere Technologie integriert mehrere Algorithmen, um nicht nur den Schweregrad der Erkrankung zu diagnostizieren und zu bewerten, sondern auch die Überweisungsgenauigkeit zu optimieren, die Bildqualität sicherzustellen und die Wirksamkeit der Behandlung zu beurteilen.

Atopische Dermatitis​

Unsere ASCORAD-Studie (Automatic SCORing of Atopic Dermatitis), eine Zusammenarbeit mit Dr. Ramon Grimalt, wurde im Journal of Investigative Dermatology (JID) Innovations veröffentlicht. Diese Studie beschreibt unseren Ansatz zur Automatisierung der Bewertung des Schweregrads von atopischer Dermatitis und Ekzemen.

Diese Arbeit wird auch in der jüngsten wissenschaftlichen Literatur anerkannt und hat das Potenzial, die Bewertung des Schweregrads von atopischer Dermatitis zu revolutionieren.

(...) sehr vielversprechend ist der Versuch, durch die Verwendung von CNNs eine automatische Definition des Schweregrads von AD zu erreichen (...), um eine Bewertungsgenauigkeit von Erythem, Papulation, Exkoriation und Lichenifikation zu erzielen, die mit der von Dermatologen vergleichbar ist (...). Computergestützte, anwendungsbezogene Fortschritte in dieser Richtung haben zur jüngsten Entwicklung des Automatic SCORing Atopic Dermatitis (ASCORAD) geführt.

Erfahren Sie in diesem Webinar (auf Spanisch) mehr über ASCORAD von seinen Autoren.

Hidradenitis Suppurativa​

Das AIHS4, unser neues System zur Bewertung von Hidradenitis Suppurativa, wird in Skin Research and Technology ausführlich beschrieben. Diese Studie ist ein Beispiel für unser Engagement bei der Entwicklung praktischer KI-Lösungen für komplexe dermatologische Erkrankungen.

Das AIHS4 wurde in neueren wissenschaftlichen Veröffentlichungen aufgegriffen, wie z. B. in dem folgenden Artikel des Nationalen Forschungsrates von Italien und der Universitäten von Palermo und Messina:

(...) um das IHS4 zu überwinden, das zeitaufwendig ist und Schwankungen unterliegt, wird das AIHS4 eingeführt, das ein DL-Modell, Legit.Health-IHS4net, für die Läsionserkennung verwendet (...). Diese Erkenntnisse unterstreichen den Nutzen der KI in der faktenbasierten Dermatologie und bieten ein potenzielles Werkzeug, um Dermatologen in der täglichen Praxis und bei klinischen Studien zu unterstützen.

Wir haben das IHS4 auch auf mehreren Kongressen vorgestellt. Das folgende Bild zeigt zum Beispiel unser Poster auf dem nationalen spanischen Dermatologiekongress (AEDV) 2022.

Urtikaria (Nesselsucht)​

Das System Automatic Urticaria Activity Score (AUAS) wurde im Journal of Investigative Dermatology (JID) Innovations veröffentlicht. Darin wird unser auf Deep-Learning basierender Ansatz zur Bewertung des Schweregrads von Urtikaria vorgestellt.

Unsere Arbeit am AUAS wurde auf Kongressen wie der AEDV-Jahrestagung im Jahr 2021 vorgestellt. Das folgende Video zeigt eine kurze Erläuterung des AUAS auf dem oben erwähnten Kongress:

Bildqualität​

Wir veröffentlichen auch unsere Forschungsergebnisse über die nicht-diagnostische Technologie. Dies ist der Fall bei der Technologie „Dermatology Image Quality Assessment (DIQA)“, die den klinischen Nutzen von Bildern für Fernkonsultationen und klinische Studien gewährleistet. Dies wurde im Journal of the American Academy of Dermatology veröffentlicht.

In diesem Video (auf Spanisch) erklärt Taig Mac Carthy, Mitautor der Publikation , wie die künstliche Intelligenz für die Überweisung von Patienten funktioniert, einschließlich der Bildqualitätssicherung , auf dem Jahreskongress der spanischen Akademie für Dermatologie .

Psoriasis​

Unsere Arbeit an APASI, dem von unserem Team entwickelten Automatic Psoriasis Scoring System, wurde von der AEDV mit einem Preis in der Kategorie Medizinische Bildgebung ausgezeichnet.

Weitere Forschung​

Wir arbeiten auch intensiv daran, unsere Technologie in neue Bereiche des medizinischen Wissens zu implementieren, wie im Fall unserer Zusammenarbeit mit Dr. Sergio Vañó und seinem Team am Krankenhaus Ramon y Cajal, die bei der Anwendung der KI-Technologie zur Messung des Schweregrads der frontalen fibrosierenden Alopezie (FFA) eine Vorreiterrolle spielen.

Ein weiteres Beispiel dafür, wie das Team von Legit.Health den Anwendungsbereich der Deep-Learning-Algorithmik auf die Medizin ausweitet, ist die Gesichtslähmung. Dr. Goiztidi Díaz Basterra, Dr. Luis Barbier Herrero und Dr. Estíbaliz Ortiz de Zárate leiten am Basurto Hospital ein Projekt zur Anwendung dieser revolutionären Technologie in diesem Bereich.

Ein gutes Beispiel ist die umfangreiche klinische Studie, die Dr. Leticia Calzado am Krankenhaus Torrejon leitet, wo sie und ihr Team die computergestützte Diagnose mit hervorragenden Ergebnissen validieren.

In einigen Fällen haben die vielversprechenden Ergebnisse die Forschungsteams dazu veranlasst, den Umfang der Studie zu erweitern. Wie die Studie, die in den Krankenhäusern Cruces und Basurto unter der Aufsicht von Dr. Jesús Gardeazabal und Dr. Rosa María Izu Belloso durchgeführt wird, um die Möglichkeiten der computergestützten Diagnose bei Melanomen zu untersuchen.

Arbeiten Sie mit uns​

Bei Legit.Health arbeiten wir daran, die Technologie weiter zu verbessern, um noch bessere Tools zu entwickeln. Dazu gehört zum Beispiel die Verbesserung der Unterscheidung zwischen verschiedenen Arten von HS-Läsionen oder die Gewährleistung, dass die Technologie bei allen Hautfototypen korrekt funktioniert.

Wenn Sie mit uns zusammenarbeiten möchten, füllen Sie bitte das folgende Formular aus und wir werden uns so schnell wie möglich mit Ihnen in Verbindung setzen.

This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.

Einführung​

Dank der revolutionären Anwendung des PASI-Systems von Legit.Health hat die Zukunft der Dermatologie begonnen APASI (Automatic Psoriasis Area and Severity Index). Mit Hilfe von Computer-Vision-Algorithmen haben die Forscher ein Tool entwickelt, das Smartphone-Bilder verarbeitet und sie automatisch in den Bereich des PASI übersetzt.

Es ist allgemein bekannt, dass objektive, verlässliche und präzise Ergebnismessungen maßgeblich für faktenbasierte Medizin sind. Wenn es um Psoriasis geht, hat der PASI die besten Messeigenschaften und wird am häufigsten für klinische Studien empfohlen. Deshalb haben wir den PASI automatisiert, um Patienten und Ärzten zu helfen, bessere Gesundheitsergebnisse zu erzielen.

Die Ursprünge des PASI​

Dieses Bewertungssystem für Psoriasis wurde erstmals 1978 in einem Artikel von T. Fredericksson und U. Pettersson veröffentlicht, in dem sie die Wirksamkeit einer neuen Behandlung für die Krankheit untersuchten.

Ihre Formel zur Beurteilung des Schweregrads der Erkrankung wurde zum allgemeinen Standard für Dermatologen auf der ganzen Welt und wird auch heute noch weithin verwendet.

Um den PASI zu berechnen, wurde die Summe des Schweregrads dieser drei Hauptveränderungen mit dem Zahlenwert der betroffenen Bereiche und mit den verschiedenen Prozentsätzen der vier Körperbereiche multipliziert. Diese Werte wurden dann addiert, um den PASI zu erhalten.

Die Einschränkungen des PASI auf Papier​

Das Hauptziel des PASI ist es, ein Instrument zur präzisen und konsistenten Erfassung von Daten für Routinebewertungen und klinische Studien zu bieten. Allerdings bringt es eine Reihe von Problemen und Einschränkungen mit sich.

Wir fanden erhebliche Unterschiede [in den Ergebnissen] zwischen erfahrenen und unerfahrenen Ärzten, die den PASI verwenden

Mit anderen Worten, es gibt eine hohe Variabilität zwischen Beobachtern, die am stärksten ausgeprägt ist, wenn erfahrene und unerfahrene Ärzte verglichen werden.

Abgesehen von den Unterschieden zwischen den Beobachtern haben viele Ärzte berichtet, dass das Ausfüllen des Papierbogens zu mühsam und zeitaufwändig ist und dass sie ihn im Alltag nicht wirklich nutzen.

Digitale Rechner: Eine halbfertige Lösung des Problems​

Mit dem Aufkommen einfacher Rechner wurden mehrere digitalisierte Versionen des PASI-Bewertungssystems entwickelt, um den Zeitaufwand für die Berechnungen zu verringern. Diese Online-Rechner lösen, wenn auch ineffizient, nur eines der Probleme, die der traditionelle PASI hat. Die Formel wird zwar automatisch berechnet, aber der Arzt muss dennoch die Werte für jeden Parameter eingeben.

Dies erfordert nicht nur weiterhin die Zeit und Aufmerksamkeit des Arztes, sondern ändert auch nichts an den zahlreichen Problemen der mangelnden Objektivität und Reproduzierbarkeit des PASI-Systems.

Wie können wir wissen, ob ein Punktesystem gut ist?​

Wenn es um dermatologische Beurteilungen geht, ist die Wirksamkeit eines Bewertungssystems von größter Bedeutung. Aber was genau macht ein Punktesystem zuverlässig und nützlich? Durch einen wissenschaftlichen Konsens wurden mehrere Schlüsselfaktoren identifiziert, die zur Robustheit dieser Systeme beitragen. Sehen wir uns diese entscheidenden Elemente etwas genauer an:

• Benutzerfreundlichkeit: Bei diesem Faktor geht es darum, ob das System im Rahmen der zeitlichen und finanziellen Möglichkeiten mühelos angewendet werden kann. Ein benutzerfreundliches System ist entscheidend für eine breite Akzeptanz im klinischen Umfeld.
• Empfindlichkeit gegenüber Veränderungen: Ein effektives Bewertungssystem muss in der Lage sein, klinisch bedeutsame Veränderungen im Laufe der Zeit zu erkennen. Diese Sensibilität stellt sicher, dass jede Veränderung oder jede Verschlechterung des Zustands eines Patienten genau erfasst wird.
• Zuverlässigkeit zwischen Beobachtern: Dies bezieht sich auf die Konsistenz der Ergebnisse, wenn verschiedene Beobachter/innen das Punktesystem verwenden. Eine hohe Zuverlässigkeit zwischen den Beobachtern bedeutet, dass verschiedene Ärzte zu ähnlichen Schlussfolgerungen kommen, was die Glaubwürdigkeit des Systems erhöht.
• Abweichungen der einzelnen Beobachter: Dabei geht es um die Konsistenz der Ergebnisse, wenn derselbe Beobachter das Bewertungssystem mehrmals verwendet. Die geringe Abweichung eines einzelnen Beobachters deutet darauf hin, dass das System stabile Ergebnisse liefert, unabhängig von wiederholten Bewertungen durch denselben Arzt.
• Interpretierbarkeit: Ein praktisches Bewertungssystem sollte aussagekräftige qualitative Interpretationen seiner Ergebnisse liefern, z. B. die Einstufung des Schweregrads einer Erkrankung als leicht, mittelschwer oder schwer.

Diese Kriterien gewährleisten nicht nur die Wirksamkeit des Bewertungssystems, sondern auch seine Anwendbarkeit und Zuverlässigkeit in verschiedenen klinischen Szenarien.

Angepasst von "Methods and definitions to rate the quality of outcome measures". Schmitt, J., Langan, S., Deckert, S., Svensson, A., von Kobyletzki, L., Thomas, K., & Spuls, P. (2013). Assessment of clinical signs of atopic dermatitis: A systematic review and recommendation. Journal of Allergy and Clinical Immunology, 132(6), 1337--1347. doi:10.1016/j.jaci.2013.07.008.

Sechs Gründe, warum APASI besser ist​

Legit.Health ist das revolutionäre klinische Daten- und Kommunikationstool für Dermatologen der nächsten Generation, das die Patienten in dreifacher Hinsicht unterstützt.

Nach 12 Monaten mit Legit.Health, in denen wir die Anwendbarkeit des Tools in unserem Krankenhaus analysiert haben, waren wir in der Lage, ein neues Pflegeparadigma in der Nachsorge von Psoriasis zu entwickeln.

Der Zweck der Deep-Learning-Algorithmen ist es, Ärzte von der mühsamen manuellen Berechnung von Bewertungssystemen zu befreien und die Ausübung einer objektiveren faktenbasierten Dermatologie zu ermöglichen, während gleichzeitig der Prozess der Berichterstattung der Pathologie beschleunigt und die Autonomie und Kontrolle der Patienten erhöht wird.

Die Algorithmen von Legit.Health stufen Läsionen automatisch ein, indem sie Smartphone-Bilder und kurze von Patienten berichteten Ergebnisdaten (PROMs) auswerten. Mit anderen Worten: Das Tool füllt automatisch die meisten dermatologischen Bewertungssysteme aus, wie z. B. PASI, SCORAD, UAS, GAGS und viele mehr.

Das bedeutet, dass die neue Version dieses Bewertungssystems Daten präzise und konsistent extrahiert, sowohl bei Routinebewertungen als auch in der klinischen Forschung. Die Verbesserung ist in der folgenden Tabelle zu sehen, in der die Leistungskennzahlen der gängigsten Arten der Nutzung von Punktesystemen verglichen werden:

	Stift und Papier	Digital	Automatisch (KI)
Selbstüberwachung	-	-	Diagnose durchführen
Benutzerfreundlichkeit	≈ 600 Sekunden	≈ 420 Sekunden	≈ 23 Sekunden
Empfindlichkeit auf Veränderung	0 bis 4	0 bis 4	0 bis 100
Abweichungen zwischen Beobachtern	Mittel (20%)	Mittel (20%)	Geringste (8%)
Abweichungen der einzelnen Beobachter	Hoch	Hoch	Null

Dank der Deep-Learning-Algorithmen befreit Legit.Health Ärzte von der mühsamen manuellen Berechnung von Punktesystemen und ermöglicht die Ausübung einer objektiveren evidenzbasierten Dermatologie. Durch die Verwendung von Algorithmen zur Messung von Trockenheit, Lichenifikation, Erythem, Nässen, Ödemen und vielen weiteren Anzeichen kann das Tool außerdem die visuellen Anzeichen zuverlässiger und konsistenter berechnen.

1. Einfacher in der Anwendung und schneller als jede andere bestehende Methode​

Während ein erfahrener Arzt vielleicht sechs bis sieben Minuten benötigt, um den PASI-Score eines Patienten vollständig auszufüllen und zu berechnen, benötigt ein unerfahrener Arzt zehn Minuten. Der Algorithmus von Legit.Health benötigt währenddessen nur 23 Sekunden, um die endgültige Bewertung zu erhalten, einschließlich der Aufnahme des Bildes.

Dies ist sowohl aus Sicht des Zeitmanagements wichtig, da die Ärzte so ihre Zeit mit dem Patienten besser nutzen können, als auch aus klinischer Sicht. Die Tatsache, dass viele Ärzte kein Bewertungssystem ausfüllen wollen, weil sie den Prozess für zu mühsam und zeitaufwändig halten, und lieber aus dem Bauch heraus den Schweregrad der Krankheit einschätzen, ist mit der modernen Idee einer faktenbasierten Medizin nicht vereinbar.

2. APASI unterstützt den Arzt bei der Diagnose der Krankheit​

Der von Legit.Health entwickelte Algorithmus beschränkt sich nicht nur auf die Messung des Schweregrads, wie es der PASI tut. Er kann auch dabei helfen zu beurteilen, ob es sich tatsächlich um Psoriasis handelt oder nicht. Der APASI wurde mit Hilfe von Top-Dermatologen trainiert, um zwischen Hunderten von Erkrankungen zu unterscheiden, einschließlich der meisten Arten von Psoriasis.

Das bedeutet, dass APASI zwischen verschiedenen Arten von Psoriasis unterscheidet und den Arzt bei der Beurteilung der Krankheit unterstützt. Dadurch wird der Prozess nicht nur schneller, da relevante Informationen bereitgestellt werden, sondern die Anzahl der korrekten Diagnosen um 23 % erhöht.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

3. APASI kann kleine Veränderungen in der Entwicklung der Pathologie erkennen​

Das Tool von Legit.Health analysiert die Pathologien mithilfe eines validierten Bewertungssystems, das sowohl die niedrigste MID (kleiner relevanter Unterschied) als auch die niedrigste LDC (kleinste nachweisbare Veränderung) aufweist, was bedeutet, dass der Algorithmus jedes Bild mit größerer Präzision und Detailgenauigkeit analysiert als ein menschlicher Betrachter.

In klinischen Studien ist die Quantifizierung der Krankheit entscheidend, um die Wirksamkeit einer Prüfbehandlung zu messen, indem der Schweregrad der Krankheit vor der Therapie mit dem nach der Behandlung verglichen wird.

Darüber hinaus hat es eine höhere Validität und Zuverlässigkeit bei vergleichbaren klinischen Eigenschaften, dank der intrinsischen Funktionsweise der Computer-Vision-Algorithmen.

4. Verringert die Variabilität zwischen Beobachtern erheblich​

Unsere Ergebnisse deuten darauf hin, dass selbst erfahrene Forscher mit dem PASI Schwierigkeiten hatten, die betroffene Fläche […] zu bewerten, insbesondere bei Patienten mit schwerer Psoriasis.

Die experimentellen Ergebnisse zeigen, dass APASI die Basismethoden in Bezug auf die Variabilität zwischen Beobachtern übertrifft und einen mittleren absoluten Fehlerprozentsatz von nur 13 % erreicht, der weit unter den üblichen 20 % liegt, die bei der klassischen Anwendung der traditionellen Bewertungssysteme beobachtet werden können.

5. Keine Variabilität zwischen Beobachtern​

Die algorithmische Natur des APASI eliminiert die Variabilität zwischen Beobachtern vollständig und zweifellos, da jede Messung zuverlässig konsistent ist.

Dies ermöglicht es dem Arzt, sich bei der Beurteilung des Schweregrads der Psoriasis nicht auf sein Gedächtnis verlassen zu müssen, sondern sich auf die Analyse der kontextbezogenen Informationen konzentrieren zu können. In diesem Sinne verringern die objektiveren Daten das Risiko von Fehldiagnosen erheblich und bieten eine objektivere, genauere und präzisere Möglichkeit, den Krankheitsverlauf zu verfolgen.

Um einen Behandlungseffekt zu beurteilen, sollte die Schwankung bei der Bewertung eines Patienten über einen Zeitraum gering sein

Dies ist besonders wichtig bei klinischen Studien, bei denen die Verringerung dieser Art von Variabilität ausschlaggebend ist, um die für diese Art von Studien erforderlichen präzisen Daten zu erheben.

6. Besser zugängliche und leichter zu lesende Daten​

Und nicht zuletzt bietet die Benutzeroberfläche von Legit.Health Zugang zu allen relevanten Informationen über den Patienten in übersichtlicher Form.

Alle von APASI abgeleiteten Daten werden übersichtlich auf dem Bildschirm angezeigt. Sie zeigen den Schweregrad der Erkrankung und die verschiedenen Faktoren, die der Algorithmus bei der Analyse des Bildes berücksichtigt hat, sowie deren Bewertungen an.

Die App bietet auch ein praktisches Diagramm, das die Entwicklung der Krankheit über einen längeren Zeitraum anzeigt und die Überwachung des Heilungsprozesses und der Wirksamkeit der Behandlung sehr einfach gestaltet.

Möchten Sie die klinische KI-Technologie in Aktion sehen?

Discover now

Zusammenfassung​

Der revolutionäre und innovative APASI repräsentiert die Zukunft der Dermatologie. Wir geben Ärzten Zugang zum besten Tool für die Diagnose von Psoriasis und ermöglichen es ihnen, faktenbasierte Medizin zu praktizieren und die Kommunikation zwischen Arzt und Patient zu verbessern.

Dank Legit.Health können Ärzte auf der ganzen Welt ihre Quote korrekter Diagnosen um 23 % verbessern und die Behandlung für den Patienten leichter nachvollziehbar machen, indem sie ihn zu einem aktiven Teilnehmer an seiner eigenen Genesung machen.

Es lässt sich nicht leugnen, dass die Verwendung von Algorithmen, die den Schweregrad der Krankheit einschätzen, eine strahlende Zukunft für die Praxis der Dermatologie darstellt und zweifelsohne dazu beitragen wird, das Fachgebiet der Dermatologie voranzubringen.

Jetzt Zugang erhalten​

This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.

Der Gesundheitsdienstleister Ribera Salud und Legit.Health begannen ihre Zusammenarbeit in einem der Krankenhäuser der Gruppe, dem Krankenhaus Torrejón, um die revolutionäre algorithmische Technologie zu implementieren, die 2 Jahre später hervorragende Ergebnisse gezeigt hat.

Im Jahr 2020 begannen der Gesundheitsdienstleister Ribera Salud und Legit.Health mit der Zusammenarbeit in einem der Krankenhäuser der Gruppe, dem Krankenhaus Torrejón, um die revolutionäre algorithmische Technologie zu implementieren, die 2 Jahre später dank der ausgezeichneten Arbeit der Ärzte hervorragende Ergebnisse gezeigt hat.

Die Pandemie könnte ein Segen sein, denn sie hat die Teams gezwungen, die Möglichkeiten der Fernversorgung auf ein neues Niveau zu heben. In diesem speziellen Fall musste das Team des Krankenhauses Torrejón die Behandlung des Patienten weiterverfolgen, konnte aber aufgrund von COVID-19 nicht sicherstellen, dass alle Patienten das medizinische Zentrum aufsuchen konnten.

Unter den gegebenen Umständen war Legit.Health das perfekte Tool für diesen Job.

Video-Zusammenfassung​

Sehen Sie sich die Präsentation von Dr. Elena Sanchez Largo an: Künstliche Intelligenz für die Fernüberwachung von Patienten mit Hautkrankheiten, wo sie einen Überblick darüber gibt, wie das Krankenhaus die Lösung von Legit.Health verwendet.

Neben Dr. Sanchez-Largo erklärt der Mitbegründer von Legit.Health, Taig Mac Carthy, einige der Schlüsselkomponenten der Lösung, wie z. B. die Funktion zur Messung des Schweregrads, die das Ausfüllen von Bewertungssystemen wie PASI oder SCORAD automatisiert.

Es ist ziemlich einfach zu erkennen, wie ein telematisches Tool wie Legit.Health dabei helfen kann, den Gesundheitszustand von Patienten aus der Ferne zu überwachen. Aber wie ist es möglich, die Arbeitsbelastung des Arztes nicht noch weiter zu erhöhen, indem er sich mit einem weiteren System befassen muss? Finden wir es heraus.

Erster Schritt: Registrierung von Patienten​

Die Implementierung eines neuen Systems in einen bestehenden Arbeitsablauf ist für die meisten Menschen eine unliebsame Aufgabe. Schließlich wurde dieser Arbeitsablauf durch jahrelange Anpassungen und Modifikationen verfeinert und perfektioniert, und die Aufnahme eines neuen Elements kann sich anfühlen, als würde man einen Schraubenschlüssel in eine gut geölte Maschine werfen.

Glücklicherweise ist der Onboarding-Prozess neuer Patienten sowohl einfach als auch zeitlich begrenzt, da er nur einmal durchgeführt werden muss.

Sobald die Ärzte des Krankenhauses Torrejón Zugang zu ihrem Legit.Health-Konto hatten (ein Vorgang, der gerade einmal zwei Minuten dauert), brauchten sie nur noch im Rahmen eines Arztbesuchs nach dem Namen, dem Nachnamen, der E-Mail oder der Telefonnummer des Patienten zu fragen und dessen Pathologieinformationen einzugeben.

Onboarding​

Der Onboarding-Prozess erfolgt für jeden Patienten nur einmal.

Dieser Vorgang dauert nicht länger als eine Minute und muss nur einmal durchgeführt werden. Wenn Sie ihn jedoch komplett vermeiden möchten, können Sie diesen Schritt dank der Dermatologie-API von Legit.Health ganz vermeiden.

Im Fall des Krankenhauses Torrejón bestätigten die Patienten ihr Konto und meldeten sich sofort mit ihrem Passwort an. Der Arzt wies sie an, ihre E-Mails oder Telefone auf Benachrichtigungen zu überprüfen, in denen sie aufgefordert wurden, Bilder für die Überwachung zu machen.

Insgesamt haben Ärzte und Patienten zusammen etwa 5 Minuten für die Einrichtung dieses Prozesses benötigt. Und obwohl sich das medizinische Team des Krankenhauses Torrejón dafür entschieden hat, diesen Prozess selbst in die Hand zu nehmen, überlassen andere Zentren den Schritt der Patientenregistrierung ihren nicht-medizinischen Teams.

Zweiter Schritt: Nachverfolgung​

Sobald das System eingerichtet war, begann für jeden Patienten des Krankenhauses Torrejón eine kontinuierliche Nutzungsschleife, in der die Nachverfolgung und Überwachung durch den Algorithmus zu einer einzigen Entscheidung durch die Ärzte vereinfacht wird.

Jedes Mal, wenn ein Patient ein Bild hochlädt, sei es, weil der Arzt bei seinem letzten Besuch ein Upload-Muster für ihn festgelegt hatte oder weil er den Eindruck hatte, dass sich sein Zustand wesentlich verändert hat, verarbeitet der Algorithmus die Informationen.

Wenn die Algorithmen nach der Analyse des Bildes eine Zunahme des Schweregrads oder einen Verdacht auf eine Malignität oder Prämalignität feststellen, wird das Bild als dringend gekennzeichnet und dem Arzt als erstes gezeigt.

Kontinuierliche Nutzung​

Kurze Beschreibung, was Ärzte und Patienten tun, wenn sie Legit.Health nutzen

Der Arzt kann dann jederzeit alle Bilder einsehen, die ihm von seinen Patienten zugesandt wurden. Er kann ein persönliches Arztgespräch vereinbaren, wenn er dies für notwendig hält, oder einfach eine Nachricht mit Angaben zur Behandlung und zum Upload-Muster an den Patienten senden.

Dies bedeutet nicht nur einen minimalen Arbeitsaufwand für den Arzt pro Patient, sondern erhöht die Effizienz erheblich.

Die wahren Helden​

Die Einführung neuer Technologien stellt für Ärzte eine große Herausforderung dar, da sie bereits mit der klinischen Arbeit sehr beschäftigt sind. Glücklicherweise sind die großartigen Dermatologen im Krankenhaus Torrejón sehr innovative Fachleute, die sich bemühen, ihre tägliche Praxis zu verbessern, indem sie bessere Wege für die Behandlung der Patienten finden.

Die wichtigste Schlussfolgerung hier ist, dass die Technologie an zweiter Stelle steht und das klinische Talent an erster Stelle. Wenn das medizinische Team talentiert und fähig ist, kann jede Lösung gedeihen. Und genau das ist passiert, als das Universitätskrankenhaus Torrejón Legit.Health eingeführt hat.

Die besten Ergebnisse, die wir Ihnen zeigen können, wie dieses Projekt funktioniert hat, sind die Worte einiger der beteiligten Ärzte:

Dr. Elena Sánchez-Largo​

Der Einsatz von Anwendungen für die telematische Nachverfolgung ermöglicht den Informationsfluss zwischen Arzt und Patient, ohne dass ein persönliches Gespräch erforderlich ist, wodurch dieser an eine realere Zeit angepasst wird und Änderungen in der therapeutischen Einstellung schneller und effektiver möglich sind.

Dr. Elena Sánchez-Largo hat Legit.Health bei ihren Psoriasis-Patienten im Krankenhaus Torrejón eingesetzt und damit großartige Ergebnisse erzielt.

Sie berichtet, dass 27 % ihrer Patienten von einer frühzeitigen Anpassung ihrer Behandlung profitierten, und zwar dank der verbesserten Kommunikation zwischen Arzt und Patient.

Sie können Elena Sánchez-Largo auf Twitter folgen

Dr. Marta Andreu​

Diese telematische Nachsorge verhinderte Schulversäumnisse bei pädiatrischen Patienten, Arbeitsversäumnisse bei Erwachsenen und ermöglichte die Nachsorge von Patienten, die aufgrund von COVID-19 unter Quarantäne stehen oder an Krankheiten leiden, die das Reisen erschweren. Sowohl die Patienten als auch ihre Dermatologen zeigten sich sehr zufrieden mit der Nutzung der App. 100 % der Patienten waren daran interessiert, das Tool weiterhin zu nutzen.

Dr. Marta Andreu beschreibt die Verwendung der App im Krankenhaus Torrejón und sagt, dass sie bei Patienten mit Psoriasis, atopischer Dermatitis, Urtikaria, Akne und Hidradenitis Suppurativa eingesetzt wurde. Sie hebt hervor, wie gut die App von den Patienten angenommen wurde und wie ihre Nutzung die Zufriedenheit mit dem medizinischen Zentrum verbessert hat.

Sie können Dr. Marta Andreu auf LinkedIn finden.

Wir hoffen, dass wir in zukünftigen Beiträgen auch die Arbeit und das Talent ihrer Kollegen, wie Dr. Leticia Calzado, Dr. Marta Andreu, Dr. Marta Ruano oder Dr. Javier Alcántara, um nur einige zu nennen, hervorheben können. Wirklich hochinnovative Fachleute im Gesundheitswesen, die nach den besten Wegen suchen, ihre Patienten zu versorgen und die Gesundheitssysteme zu verbessern.

Jetzt Zugang erhalten​

This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.

Einführung​

In den letzten Jahren hat sich die Gesellschaft als Ganzes daran gewöhnt, dass eine vollständig digitale Welt in alle Lebensbereiche, einschließlich des Gesundheitswesens, Einzug halten wird.

Und obwohl die angewandte Praxis der Telemedizin viele Vorteile mit sich bringt, gibt es auch Herausforderungen zu bewältigen, bevor wir die Vorteile dieser neuen Art der Gesundheitsversorgung nutzen können.

Dermatologen heben die Nützlichkeit von Bildern bei der Fernüberwachung von chronischen Krankheiten hervor. Deshalb wird das Tool auch heute noch in unserer Pflegetätigkeit eingesetzt, und wir werden auch in Zukunft neue Einsatzmöglichkeiten und Verbesserungen erforschen.

Telemedizin ist eine Realität, keine Prognose​

Die digitale Isolierung ist für den Durchschnittsbürger nicht mehr möglich. In der heutigen Zeit, in der jeder Haushalt über einen Internetanschluss verfügt und in jeder Tasche ein Smartphone steckt, ist der Versuch, die Macht des globalen Netzes über unser tägliches Leben zu leugnen, ebenso lächerlich wie unpraktisch.

Natürlich ist die Welt des Gesundheitswesens in dieser Hinsicht nicht anders. Diejenigen, die versuchen, sich dieser Modernisierungswelle zu widersetzen, werden schnell zurückgelassen oder gezwungen, sich anzupassen. Es ist üblich, dass Konzepte wie die Telemedizin in der Zukunftsform behandelt werden, aber die COVID-19 Pandemie hat uns gezeigt, dass die Zeit der Prognosen vorbei ist.

Es ist an der Zeit, sich den Herausforderungen zu stellen, die diese neue Form der Gesundheitsversorgung für uns mit sich bringt.

Die Geschichte der Fernversorgung​

Eine der ersten praktischen Anwendungen der Telemedizin fand in den späten 1950er Jahren im Bundesstaat Nebraska statt, wo ein staatliches Krankenhaus und eine psychiatrische Einrichtung eine Fernsehverbindung einrichteten, um den Zustand der Patienten aus der Ferne zu überwachen.

Obwohl die Technologie in den folgenden Jahrzehnten rasante Fortschritte machte, hat sich ihre Anwendung auf die Fernversorgung von Patienten nie durchgesetzt und wird heute kaum noch genutzt. Der bisher bekannteste Fortschritt besteht in der telefonischen Konsultation, obwohl sie sowohl von Ärzten als auch von Patienten als unzureichend angesehen wird.

Heute ist der Drang, Telemedizin zu nutzen, eher eine Realität als eine entfernte Möglichkeit. Die Pandemie von 2020 hat die Wahrnehmung und die Bedürfnisse vieler Menschen rapide verändert und zwingt das Gesundheitswesen dazu, der Effizienz Priorität einzuräumen und alle zur Verfügung stehenden Werkzeuge einzusetzen.

Wie sieht die Zukunft aus?​

Auch wenn es töricht ist, vorherzusagen, welche Technologien im nächsten Jahrzehnt entwickelt werden, können wir aus den jüngsten Fortschritten lernen, um eine fundierte Vermutung über den wissenschaftlichen Fortschritt anzustellen, der die Zukunft des Gesundheitswesens prägen wird.

Ein Beispiel dafür ist die Verbreitung von tragbaren, drahtlos zugänglichen Sensoren, die in Smartphones, Smartwatches und anderen tragbaren Geräten eingebaut sind und es Ärzten ermöglichen, Daten über ihre Patienten in Echtzeit und mit minimalen Eingriffen in deren Alltag zu sammeln.

Eine weitere vielversprechende Perspektive ist die künstliche Intelligenz. Projekte, die auf dieser Technologie basieren, haben in den letzten Jahren in so unterschiedlichen Bereichen wie Onkologie, Strahlentherapie, Neurologie und Dermatologie großartige Ergebnisse gezeigt.

Ein leuchtendes Beispiel für den Einsatz von künstlicher Intelligenz ist Legit.Health, das revolutionäre klinische Daten- und Kommunikationstool für Dermatologen der nächsten Generation, das klinisch validierte Algorithmen und computergestützte Technologie einsetzt, um ihre medizinische Praxis zu verbessern.

Der Zweck der Deep-Learning-Algorithmen ist es, Ärzte von der mühsamen manuellen Berechnung von Bewertungssystemen zu befreien und die Ausübung einer objektiveren faktenbasierten Dermatologie zu ermöglichen, während gleichzeitig der Prozess der Berichterstattung der Pathologie beschleunigt und die Autonomie und Kontrolle der Patienten erhöht wird.

Die 5 Herausforderungen der modernen Telemedizin​

Finanzierung​

Wie so oft, wenn es um die Einführung einer neuen Technologie oder Infrastruktur geht, bringen Kritiker den finanziellen Aspekt ins Spiel. Allerdings ist es ziemlich kurzsichtig, nur die potenziellen Kosten einer Umstellung des medizinischen Systems auf Telematik zu betrachten, wenn man nicht auch die potenziellen Einsparungen und Gewinne berücksichtigt.

Das Gleichgewicht zwischen den wirtschaftlichen Kosten und den Vorteilen der Telemedizin wird zweifellos eine der größten Herausforderungen sein, die es zu bewältigen gilt, und die Unternehmen, die Dienstleistungen in diesem Bereich anbieten, müssen dies berücksichtigen. Aus diesem Grund hält Legit.Health seine Preise flexibel und die technologischen Anforderungen einfach, sodass sich jedes medizinische Zentrum oder jede Einrichtung die geringe erforderliche Investition leisten kann.

Vorschriften​

Eine weitere große Herausforderung, die vor der Einführung eines vollständig telemetrischen Systems zu bewältigen ist, betrifft die Gesetze und Vorschriften. Dies ist von Land zu Land unterschiedlich, aber überall auf der Welt ist die Einführung von Medizinprodukten stark reguliert.

Wenn diese Produkte zudem Patientendaten verwalten, müssen Gesetze wie die DSGVO die Sicherheit und Integrität der Daten gewährleisten. Deshalb muss man sich bei jedem Versuch, in die Telemedizin einzusteigen, mit diesen Fragen auseinandersetzen.

Legit.Health verfügt nicht nur über die europäische CE-Kennzeichnung, sondern ist ein Tool, das vollständig mit der DSGVO sowie allen anderen europäischen Standards konform ist und einen Teil der Last und der harten Arbeit abnimmt, die mit der Einhaltung dieser Angelegenheiten verbunden ist. Mit anderen Worten: Ihre Arbeit wird größtenteils erledigt sein, wenn die Zeit für ein Audit gekommen ist.

Implementierung​

Jede noch so ausgefallene Technologie der Welt ist gleichermaßen nützlich oder unnütz, wenn diejenigen, die sie nutzen sollen, nicht wissen, wie man sie implementiert, oder es nicht wollen. In diesem Fall ist die Herausforderung eine doppelte, denn Ärzte und Patienten müssen sich mit dem Gedanken anfreunden, diese neuen Technologien in die Dynamik einzubinden, die seit Jahrhunderten in unserem kollektiven Bewusstsein verankert ist.

Wir müssen nicht nur die Patienten davon überzeugen, dass sie über Computer und Smartphones effektiv mit ihren Ärzten kommunizieren können, sondern wir müssen auch den Ärzten helfen, ihre gewohnten Routinen an dieses neue System anzupassen.

Aus diesem Grund wurde Legit.Health mit Blick auf die Benutzerfreundlichkeit entwickelt. Nachdem der Patient das Bild aufgenommen hat, wird es durch den klinisch validierten Algorithmus analysiert und die Ergebnisse werden an den Arzt gesendet. Dieser profitiert von der Kontinuität der Daten, die durch diesen Prozess erzeugt werden, und erleichtert die Arbeit bei der Überwachung von Hautausschlägen und der Entwicklung von Krankheiten erheblich.

Technologie​

Die Technologie steht schon seit langem im Mittelpunkt der Telemedizin. Bei der Telemedizin geht es jedoch in erster Linie um die Dienstleistungen und nicht um die Einzigartigkeit der neuesten Technologie. Ein Ansatz, der auf Dienstleistungen und positiven Gesundheitsergebnissen basiert, bedeutet, dass das medizinische Zentrum über ein System zur ordnungsgemäßen Umsetzung verfügt, egal wie sehr sich die Technologie ändert.

Legit.Health ermöglicht es medizinischen Zentren, Technologie und Service in einem benutzerfreundlichen Paket zu vereinen. Es bietet sowohl eine Fülle von Tools für die Arztpraxis als auch mehrere Optionen, um ihren Patienten die Dienstleistungen zu bieten, die sie brauchen, um sich gut aufgehoben zu fühlen.

Nachweise​

In der medizinischen Welt nützen gute Ideen nichts, wenn sie nicht durch solide klinische Nachweise gestützt werden. Das gilt für Verfahren, Medikamente, medizinische Geräte und natürlich auch für allgemeine Konzepte oder Dienstleistungen wie Telemedizin.

Das Sammeln wissenschaftlicher Nachweise ist vielleicht die schwierigste Herausforderung, die die Telemedizin zu bewältigen hat, bevor sie Erfolg haben kann. Jedes System, jede Anwendung, jedes medizinische Gerät und jede Technologie, die diesen Wandel ermöglichen, müssen gründlich getestet werden, bevor sie in der Praxis eingesetzt werden.

Legit.Health nimmt an einer Vielzahl von klinischen Studien teil, bei denen algorithmische Technologie und Anwendungsdesign in mehreren europäischen medizinischen Zentren mit realen medizinischen Szenarien verglichen werden. Als Unternehmen legen wir großen Wert auf unsere Präsenz in medizinischen Fachzeitschriften und es ist eines unserer Hauptziele, den Bereich der Dermatologie voranzubringen.

Zusammenfassung​

Auch wenn der Weg dorthin lang und beschwerlich ist, hat das Gesundheitswesen als Ganzes bereits die ersten Schritte in Richtung einer Zukunft unternommen, in der die Telemedizin Realität ist.

Dank technologischen Fortschritten von Unternehmen wie Legit.Health und Initiativen von medizinischen Dienstleistern wie unter anderem der DKV gewöhnen sich sowohl Patienten als auch Ärzte immer mehr an die Realität der Fernmedizin.

Jetzt Zugang erhalten​

This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.