Universitätsklinikum Heidelberg

Das Universitätsklinikum Heidelberg gehört zu den größten und renommiertesten medizinischen Zentren in Deutschland. Jedes Jahr werden in seinen Fachkliniken circa 85.600 Patienten voll- und teilstationär und mehr als 1.163.000 mal Patienten ambulant betreut. Unsere Patienten kommen aus der Rhein-Neckar-Region, aus Baden-Württemberg, anderen Bundesländern und dem Ausland.

Projekte

PrivateAIM

PrivateAIM (Privacy-preserving Analytics in Medicine) is dedicated to bridging the gap between data privacy and medical innovation. Following the "Code to Data" principle ensures that patient data remains securely stored within university hospitals, while only analysis algorithms are exchanged. [...]

Mehr erfahren

NUM-RDP

The NUM Routine Data Platform (NUM-RDP) project aims to provide a generic routine data platform. "Routine data" here means clinical routine documentation data from patient care. In the first funding period, the NUM added the option of centralised, cross-institutional data consolidation, storage and output to the existing structures of the Medical Informatics Initiative (MII) for federated data storage and analysis. [...]

Mehr erfahren

PM⁴Onco

[...] "Personalized Medicine for Oncology" (PM⁴Onco) soll eine dauerhafte Infrastruktur für die sichere Nutzung und den Austausch von Daten aus der klinischen und biomedizinischen Forschung schaffen. Die genaue Analyse genetischer Veränderungen in Tumoren im jeweiligen Erkrankungsstadium ist entscheidend, damit molekulare Tumorboards in den onkologischen Exzellenzzentren die individuell geeignetste Therapie empfehlen können.

Mehr erfahren

Open Medical Inference (OMI)

The Open Medical Inference (OMI) platform aims to enable the discovery and use of remote AI services. OMI will develop open medical inference protocols and data formats for the semantically interoperable peer-to-peer exchange of multimodal healthcare data and remote AI inference. To this end, a repository of German-wide services will be established with an initial selection of multimodal AI models in order to enable researchers, through Medical Data Integration Centers of German University Hospitals, to access and run the developed AI models remotely.

Mehr erfahren

FAIR-DS

Das Projekt FAIR Data Spaces erstellte organisatorische, rechtliche und technische Bausteine für einen gemeinsamen, Cloud-basierten Datenraum für Industrie und Forschung unter Beachtung der FAIR-Prinzipien. In dem Projekt wurden die föderierte, sichere Dateninfrastruktur Gaia-X und NFDI zu einem gemeinsamen, cloud-basierten Datenraum für Industrie und Forschung unter Einhaltung der FAIR-Prinzipien verbunden.

Mehr erfahren

NUM-Codex plus

Development of a nationwide standardised, data protection-compliant infrastructure for the storage and provision of COVID-19 research datasets. Among other things, a comprehensive database, data collection tools, use & access procedures and a trust centre are planned. [...]

Mehr erfahren

Kollaborationen anzeigen